基于关联规则挖掘的中文文本自动分类.pdfVIP

维普资讯 第 26卷 第 8期 小 型 微 型 计 算 机 系 统 Vo1．26 No．8 2005年 8月 M INI—M ICRO SYSTEMS Aug．2005 基于关联规则挖掘的中文文本 自动分类 王元珍 ，钱铁云 ，冯小年 (华中科技大学 计算机学院 数据库与多媒体技术研究所 ，湖北 武汉 430074) (中国电力财务有限公司 华 中分公司，湖北 武汉 430077) E—mail：qtyl970@yahoo．com．cn 摘 要 ：随着 电子 出版物和互联 网文档的飞速增加 ，自动文档分类工作正变得 日渐重要．提 出一种基于关联规则的中文文本 自 动分类方法．该算法将文档视作事务 ，关键词视作项，利用改进 的关联规则挖掘算法挖掘项和类别间的相关关系．挖掘 出的规则 形成分类器，可用于类标号未知 的文档的区分．实验证 明，该算法能较快地获得可理解的规则并且具有较好 的召回率和准确率． 关 键 词 ：基于关联的分类 ；中文文本分类 ；关联规则挖掘 中图分类号 ：TP311 文献标识码 ：A 文 章 编 号 ：1000-1220(2005)08-1380-04 Association RulesBasedAutomaticChineseTextCategOrizatiOn W ANG Yuan—zhen ，QIAN Tie—yun ，FENG Xiao—nian (ComputerScienceDepartment，HuazhonguniversityofScienceandTechnology，Wuhan430074，China) (ChinaPowerFinanceCompany，Huazhong Branch，W uhan430077，China) Abstract：W iththerapidexpansionofelectronicpublication，itbecomesmoreandmoreimportanttoclassifydocumentauto— matically．Thispaperintroducedanew methodthatiscalledassociationbaseddocumentclassification intoChineseTextCate— gorization．Inouralgorithms，eachdocumentisviewedasatransactionandeachkeywordasan item ，thenanassociationrule miningalgorithm isusedtominethecorrelationbetweenitem andcategoryattheend，unlabeleddocumentsareclassifiedusing thesefoundrules．Experimentsconfirmedthatthismethodgetsunderstandahlerulesofclassifierfastandhasapromisingre— callandprecisionrate． Keywords：associationbasedclassification；Chinesetextcategorization；associationrulemining 1 引 言 文本分类算法 ，取得 了良好 的效果 ． 自动文本分类 的过程通常包括两步 ：第一步，将一组预先 随着 Internet的飞速发展和电子 出版物 的飞速增长 ，传 分好类 的文档作为训练集 ，并利用一定的分类挖掘算法对训 统 的信息检索技术 已经不能够适应大量文本数据处理 的需 练集 中的对象进行分析 以导 出分类