基于概念特征的语义文本分类.pdfVIP

ComputerEngineering口 伽 ffc口f0”计算机工程与应用 基于概念特征的语义文本分类 林 伟，孟凡荣，王志晓 L1N Wei，MENG Fanrong，WANG Zhixiao 中国矿业大学 计算机科学与技术学院，江苏 徐州 221008 SchoolofComputerScience and Technology，China University ofMining andTechnoloyg ，Xuzhou，Jiangsu 221008，China LIN W ei。M ENG Fanrong，WANG Zhixiao．Concept-features—based semantic text classification．ComputerEngineering and Applications，2011，47(28)：139-142． Abstract：Textclassification isthekeymethodofmasstextmessagesorganizingandprocessing．M ostcurrenttextclassifica— tion modelsusekeywordseigenvector to describe the textresourceswhich makesthevectorhigh dimensionaland sparse． Thispaper introducesthe concept-features instead ofkeywordsto describe the textresources，which improvestheaccuracy oftextresources description．A concept—features-based semantic textclassification modelis putforward in this paper．The re— sultsofsimulation experiments show thatthe modelcallovercome the vector space’Shigh—dimensionality and sparsity，and ensuretheorthogonaliyt ofthevectorspace．The semantictextclassification presentsa fine performanceboht in efficiency and accuracy． Keywords：semantictextclassification；concept—features；ontology；SupportVectorMachine(SVM) 摘 要：文本分类是组织和处理海量文本信息的关键方法。 目前的文本分类模型多用关键词特征向量描述文本资源，造成向量 的高维性和稀疏性。引入文本资源的概念特征 ，将文本资源描述由关键词级提升至概念级，提高文本资源描述的准确性，并提出 了基于概念特征的语义文本分类模型。仿真实验的结果表明，该模型能有效克服资源特征向量空间的高维性和稀疏性，确保向 量空间的正交性，在语义文本分类的效率和正确性上都有 良好的表现。 关键词：语义文本分类；概念特征；本体；支持向量机 DOI：10．3778／j．issn．1002—8331．2011．28．038 文章编号：1002—8331(2011)28—0139．04 文献标识码：A 巾图分类号：TP301．6 l 引言 时也无法保证矢量模型对文本描述的正确性。 随着Intemet的发展 ，互联网上的数据和信息呈现海量特 本文引入文本资源的概念特征 ，将文本资源描述由关键 征，文本分类作为组织和处理海量文本信息的关键方法，可以 词级提升至概念级 ，提出并实现了基于概念特征的语义文本 方便人们准确地找到自己所需要的知识n。信息的爆炸式增 分类模型。该模型采用概念特征描述资源 ，既保证领域知识 长，使人们对文本分类的要求越来越高。 在文本描述中的重要性不被忽略，提高资源描述的准确性 ，又 文本分类是有监督的学习过程 ]，将文本按照一定的规则 能保证矢量空间模型中矢量间的正交性 ，同时克服了矢量空 划