自动文本分类方法研究述评.pdfVIP

维普资讯 第26卷第3期 情 报 科 学 VMo1．26，No．3 2008年 3月 arch，2008 自动文本分类方法研究述评 蒲筱哥 (徐州师范大学 图书馆，江苏 徐州 221116) 摘 要：在总结已经研究出的经典文本分类方法的基础上，对3-前涌现出的一些新的文本分类方 法进行了归纳，得出了当前研究的不足之处和未来发展趋势。 关键词 ：分类 ；文本分类；分类方法 中图分类号：G354 文献标识码：A 文章编号：1007—7634(2008)03—0469—07 LiteratureReview onTextClassificationM ethods PUXiao—-ge (LibraryofXuzhouNormalUniversity，Xuzhou221116，Ch／na) Abstract：finisarticlesttmmarizestheclassicaltextclassificationmehtodand somenew textclassificafion mehtodwhichcurrentemergedhas carriedonhteinduction，has obtainedhtecurrentresearch deficiencyand htefuturetrendofdevelopment． Keywords：classification；textclassification；classifiedmethod 用 ，在这之前文本分类方法 的研究 曾一度处于低 1 引 言 潮 ，但是文本分类的实际应用和它 自身的固有的特 性给机器学习方法提出了新的挑战，这使得 自动文 文本分类 (TextCategorization／TextClassification， 本分类方法的研究仍是信息处理领域一个开放的、 1℃)是指在给定分类体系下，根据文本 内容 (自 重要的研究方向。 动)确定文本类别的过程uJ。2O世纪9o年代以前， 到 目前为止 ，已经研究出的经典文本分类方法 占主导地位的文本分类方法一直是基于知识工程的 主要包括：Rocchio方法、决策树方法、贝叶斯分 分类方法，即由专业人员手工进行分类。 目前在国 类、K近邻算法和支持 向量机等分类方法。近年 内也 已经开始对中文文本分类方法进行研究，相比 来，随着人工智能、机器学习、模式识别和数据挖 于英文文本分类，中文文本分类的一个重要的差别 掘等领域的不断发展，促使文本分类方法得到了长 在于预处理阶段 ：中文文本的读取需要分词 ，不像 足的发展。 英文文本的单词那样有空格来区分。从简单的查词 典的方法 ，到后来 的基于统计语言模型的分词方 2 经典文本分类方法 法，中文分词的技术 已趋于成熟。并在信息检索、 Web文档 自动分类、数字图书馆、 自动文摘、分类 2．1 Rocchio方法——相似度计算方法 新闻组、文本过滤、单词语义辨析以及文档的组织 和管理等多个领域得到了初步的应用。尽管机器学 Roechio【是情报检索领域最经典的算法。在算 习理论对于文本分类方法的研究起了不可低估的作