基于语料和基于标引经验的自动分类模式比较.pdfVIP

( ) ( ) 第 5 卷 　第 4 期 南京农业大学学报 社会科学版 2005. 5 4 VOL . 5 , NO. 4 2005 年 12 月 Journal of Nanjing Agricultural University ( Social Sciences Edition) Dec . , 2005 基于语料和基于标引经验的自动分类模式比较 1 2 1 薛春香 ,夏祖奇 ,侯汉清 ( 1 南京农业大学 信息科技学院 ,江苏 南京 210095 ;2 趋势科技中国研发中心 ,江苏 南京 210008) 摘 　要 :从原理 、系统设计 、知识库构建 、分类算法 、性能等方面对 自动分类的两种模式 ———基于训练语料和基于 人工标引经验 ———进行介绍和比较 ,这两种分类模式都具有一定的可行性 。基于训练语料的自动分类模式完全 依靠机器学习从训练集中发现类 目的特征 ,数学论证充分 ,易于维护 , 比较适合于面向行业和主题的粗分类 ,但是 过分强调了机器学习的效能 ,忽略了人工智力劳动成果的利用 ,训练过程和分类过程运算量 ,算法复杂 ;而基于标 引经验的自动分类模式利用简单的统计学方法从书 目数据库中挖掘人工标引经验 ,适用于面向体系分类法的详 细分类 ,分类算法简单 ,运算量小 ,但过分依赖经验 ,缺乏有说服力的数学证明。知识库的完备性和合理性是影响 两者分类效能的主要因素 ,是两者面临的共同问题 。 关键词 : 自动分类 ; 自动标引; 语料库 ; 知识库 ;《中国图书馆分类法》 ( ) 中图分类号 : G254 . 36 　文献标识码 :A 　　文章编号 :1671 —7465 2005 04 —0085 —08 　　 自动分类是信息自动化处理中较为活跃的一 长期应用于传统文献组织的文献分类法 ,经过 个领域 。早在 50 、60 年代 , IBM 的Luhn 等人就展 多年实践已经建立起与其他分类法 、词表之间的兼 开了文献信息的自动分类研究 。近年 ,OCLC 和欧 容互换对应关系 ,发展成为一种可以有效组织信息 ( ) [3 ] 盟又在信息资源的自动分类和主题识别领域开展 的语义工具 , 即知识组织系统 KOS 。 利用这一 了多个研究项 目,如 OCLC 的 Scorpion Proj ect 、欧盟 知识组织系统来实现信息的自动标引和自动分类 , 的DESIRE 等 , 利用传统的文献分类法 , 如 DDC 、 已经成为 目前信息加工自动化的一个研究热点 。 ( ) UDC 、LCC ,对网络信息资源进行分类组织和主题识 根据知识库 或分类器 构建方法以及分类算 [ 1] 别 。 国内的自动分类研究工作始于 80 年代初 ,经 法的不同 , 目前常用的该类型自动归类模式可分为 过 20 年的发展 , 已经有一些比较有代表性的辅助 基于训练语料和基于人工标引经验两种 。 归类和自动归类系统 ,如