Web文本分类及其维、哈、柯多文种信息检索中的应用研究.pdfVIP

Web文本分类及其维、哈、柯多文种信息检索中的应用研究 海丽且木·艾沙L2，维尼拉·木沙江1．2 1．新疆大学信息科学与工程学院，新疆，鸟鲁木齐830046 2．新疆多语种信息技术重点实验室，新疆，乌鲁木齐830046 擅要：研究维、哈、柯多文种信息检索中web文本分类问题。根据维、哈、柯Web文本具有结构信息的特点， 提出了分类系统框架．采用了基于KNN的Web文本分类方法，并结合具体实验在对数据进行预处理的基础上实 现了KNN分类算法。实验表明，KEN方法在Web文本分类中能够获得较好的分类效果． 关键词；Web文本。文本分类，特征提取，KNN算法 WebDocumentClassificationOf researchof Application Uyghur,Kazal InformationRetrieva KyrgyzMulti-lingual aishaL2，Weinila Hailiqiemu mushajian91’2 of lnformation I．College Science＆Engineering,xinjiang of Information 2．XinjiangLaboratoryMulti-languageTechnology，P．K．China,830046 studiesthe of InformationRetrievalweb Abstract：This paper problemsUyghur,Kazak,KyrgyzMulti·lingual to of web frameis document thestructure text,a classification．accordingUyghur,Kazak，Kyrgyzsystem provided，a onKNNmethod ondata methodis webdocumentclassificationbased algorithm presented，basedpreprocess，KNN that ofthemethodisbetter． resultofresearchindicatesthe implemented．The impact words：Web Key document,Textclassification,Featureselection,KNN 1引言 构成，在训练过程中。先抽取训练样本中的关键词 集合。建立关键词字典．建立训练样本词频，训练 随着互联网技术和Web应用开发工具技术的迅速 分类器，建立基于KNN的文本分类器。在分类过程中， 发展，以及在计算机上处理新疆少数民族文字问题技 根据训练过程建立的关键词字典，将测试文本向量 术的发展．以维吾尔文、哈萨克文和柯尔克孜文等新 化。用特征子集表示，然后不断修正分类过程，提 疆少数民族文字为主的．各种民族文字网站逐渐建立．