基于模糊粗糙集的Web文本分类.pdfVIP

第 20 期 计 算 机 技 术 与发 展 V01．2O No．7 2010年 7月 COMPL兀ERTECHN(_)I￡GYAND Ju1． 2010 基于模糊粗糙集的Web文本分类 孙海虹 ，丁华福 (哈尔滨理工大学计算机科学与技术系，黑龙江 哈尔滨 150080) 摘 要：网络信息的多样性和多变性给信息的管理和过滤带来极大困难，为加快网络信息的分类速度和分类精度，提出了 一 种基于模糊粗糙集的Web文本分类方法。采用机器学习的方法：在训练阶段，首先对Web文本信息预处理，用向量空 间模型表示文本，生成初始特征属性空间，并进行权值计算；然后用模糊粗糙集算法来进行信息过滤，用基于模糊粗糙集 的属性约简算法生成分类规则；最后利用知识库进行文档分类。在测试阶段，对未经预处理的文本直接进行关键属性匹 配，经模糊粗糙因子加权后，用空间距离法分类。通过试验比较，该方法具有较好的分类效果。 关键词：机器学习；模糊粗糙集 ；Web文本分类 ；属性约简 中图分类号：Tf3Ol 文献标识码：A 文章编号 ：1673—629X(2010)07～0021一O4 W ebDocumentClassificationBasedonFuzzy。_’RoughSet SUN Hai—hong，DING Hua-fu (DepartmentofComputerScienceandTechnologyofHarbinUniversityofScinceeand Tcehnology，Harbin150080，China) Abstract：Thediversityandvariabilityofnetworkinofrmatio~bringsgreatdifficultytoinformationmanagementandinformationfiltering． Putofrwardamethc~toW ebdocumentclassificationbasedonfuzzy—rough,setinordertOimprovethespeedandaccuracyofnetworkin— formationclassificationandUSemachinelearningmethodofrtrainingandtesting、Ⅳebdocument．Inthe~ ningprocess。firstly。represent- ingpreprocessedW_ebdocmu entsbyv~OtrspaL~rp~de1．forminginitialattributionfeaturesspacenadconductingweightvaluecomputing． Then，conducting informationfilteringaI1dreducinga~ributbnfeaturespacebyfuzzy—roughsetalgorithm，forming ehssifieationrules． Finally，classifying docmu entsbymultipleknowldegebases．Inthetesting process，matching keya~fibutesdirectlyandccmaputingweight valuebythefuzzy—roughfactor．thenelassitying documentbyspacedistnacemethod．Theexperimentresultsnadthecomparisonwith othersshow thatthisW ebdocmu entclassificationhasgoodclassificationperformance． Keywords：machinelearning ；fuzzy—roug