基于classifier4j的文本分类的设计与实现 课程设计报告.docVIP

河北科技大学 课程设计报告 学生姓名： 祝冬冬 学 号： 080702102 专业班级： 计算机科学与技术 课程名称： 基于classifier4j的文本分类 学年学期： 2 010 —2 011 学年第 2 学期 指导教师： 许云峰 2 0 1 1 年 6 月 课程设计成绩评定表 学生姓名 祝冬冬 学 号 080702102 成绩 专业班级 计算机科学与技术 起止时间 2011/6/6至2011/6/23 设计题目 基于classifier4j的文本分类 指 导 教 师 评 语 指导教师： 年 月 日 目 录 （示例） 一、 设计题目 1 二、 设计目的 1 三、 设计原理及方案 1 1 使用的软件工具和环境 1 2 需求分析与概要设计 1 3 数据库设计（无） 1 4 详细设计和关键问题 3 四、 实现效果 3 五、 设计体会 4 设计题目 基于classifier4j的文本分类 设计目的 进一步巩固Java基础理论和知识，加深Java面向对象特性的理解，锻炼利用开发工具实现Java应用软件的基本技能，提高利用面向对象程序设计方法解决实际问题的能力。并运用课外知识，利用classfiler4j包来实现文本分类，对于给出的文本打分分类。 设计原理及方案 使用的软件工具和环境 MyEclipse、win7系统。 该课程设计以MyEclipse作为开发工具。java作为开发语言，并基于开源程序代码classifier4j。 MyEclipse是企业级工作平台（MyEclipse Enterprise Workbench ，简称MyEclipse）是对Eclipse IDE的扩展，利用它我们可以在数据库和JavaEE的开发、发布，以及应用程序服务器的整合方面极大的提高工作效率。它是功能丰富的JavaEE集成开发，包括了完备的编码、调试、测试和发布功能，完整支持HTML, Struts, JSF, CSS, Javascript, SQL, Hibernate。 在结构上，MyEclipse的特征可以被分为7类： 　　1. J2EE模型 　　2. WEB开发工具 　　3. EJB开发工具 4. 应用程序服务器的连接器 　　5. J2EE项目部署服务 　　6. 数据库服务 　　7. MyEclipse整合帮助 对于以上每一种功能上的类别，在Eclipse中都有相应的功能部件，并通过一系列的插件来实现它们。MyEclipse结构上的这种模块化，可以让我们在不影响其他模块的情况下，对任一模块进行单独的扩展和升级。 简单而言，MyEclipse是Eclipse的插件，也是一款功能强大的J2EE集成开发环境，支持代码编写、配置、测试以及除错。 需求分析与概要设计 本课程设计的目的是利用classifier4j类对文本进行分类，实现文本自动分类。 文本分类一般包括了文本的表达、 分类器的选择与训练、 分类结果的评价与反馈等过程，其中文本的表达又可细分为文本预处理、索引和统计、特征抽取等步骤。文本分类系统的总体功能模块为： 　　（1） 预处理：将原始语料格式化为同一格式，便于后续的统一处理； （2） 索引：将文档分解为基本处理单元，同时降低后续处理的开销； 　　（3） 统计：词频统计，项（单词、概念）与分类的相关概率； 　　（4） 特征抽取：从文档中抽取出反映文档主题的特征； 　　（5） 分类器：分类器的训练； 　　（6） 评价：分类器的测试结果分析。　 结构图： class Package Import Import Import 图 1 各个包之间的调用如图1所示 3详细设计和关键问题 本课程设计的关键问题是怎样使用java调用各种类包以实现文本分类作用。因此无论是我们现实生活中还是从网络中，有关文本分类的应用程序很广泛。但是j