基于背景知识的SVM文本分类.pdfVIP

基于背景知识的SVM文本分类+ 唐明珠张远平杨佳 兰州理工大学计算机与通信学院甘肃兰州 730050 本的表示形式，提商了文本表示的泛化能力。同时给出了次概念的定义。然后采用支持向量机对文本进行分 策略能取得更好的效果。 关键词：文本分类；文本预处理；本体；消歧策略：支持向量机 ·，．}， SVMTe)(tClassif．catiOnBasedOn Background Jia Zhang 1Yang 7rangMingzhuYuanping communication，La北hou 730050 c01legeof∞mputer卸d uⅡivers时0fTechnologyLaⅡzhou an roleiⅡthe丘dds0ftext docIlm∞t Abstract：Texlclass坩cationtakesimpon柚t miniIlg锄d core in hasbeenintrodtlcedtoenrichtext its Wordnettext representationthat证甲roVes ontology preprocessiⅡg nedefmition is at也es珊etime．nen vectorMachjllehas ofsec衄d genemlity conceptgiVen Suppon beeⅡ、一sed to texl the resultsoⅡthe Reuters．21578shawthatsome classi士ydocuments．F协anyexperimental coIp璐of stmte百es wiIh mBthodwithout c加achievebetteI intext the usingontology perfo皿锄ce dass击ca曲Ⅱcompared using ontology’ aass坩ca廿on；Text For Vector KeywOrds：TexI Pr印rocessing：Onl0109y；Strategies Machille 1 引言 速、准确、全面地从中找到用户所需要的信息是当前信息科学和技术领域面临的一大挑战。文本分类作为处 理和组织大量文本数据的关键技术，可以在较大程度上解决信息杂乱现象的问题，方便用户准确地定位所需 的信息和分流信息。而且作为信息过滤、信息检索、搜索引擎、文本数据库、数字化图书馆等领域的技术基 J。 础，文本分类技术有着广泛的应用前景【l 文本分类就是将大量文本文档划分为一个或一组类别，使得各个类别代表不同的概念主题。现在的分类 方法主要是基于统计理论和机器学习方法的，比较著名的文档分类方法有KNN、Sv】订、Na¨ve u5F、B00sⅡng等f2】o ·甘肃省自然科学基金资助项且(编号3zs05卜A25—037)；兰jH理工大学学生科技创新基金 ·454·