基于文本团的自动文本分类方法.pdfVIP

计算机科学2007V01．34№．11A 基于文本团的自动文本分类方法*) 胡晓辉王明文叶浩 (江西师范大学计算机信息工程学院 南昌330022) 摘要 自动文本分类是指在给定的分类体系下，对未知类别的文档进行自动处理，并根据文档特征判断其所属 类别的过程．现有的文本分类算法如：KNN、SVM大都基于向量空间模型，没有考虑文档的语义特征信息。本文 根据文档相似性矩阵构造文本相似图，在躅中提取文本团(完全子图)，这些文本萄可以反映每个类剐的主题信息， 由此构造分类器，进而与经典的分类器组合，进行文本分类．在复旦大学中文文本分类语料库和20Newsgroups 上进行实验，实验表明本文提出的分类方法较大改进了分类性能． 关键词文本分类，文本团，图模型 AutomaticTextClassificationMethod Clique-based HUXiao-HuiWANG YEHao Ming-Wen of Information Normal (CollegeComputer Enginee,ing，JiarIgxiUniversity。Nanchang330022) AbstractAutomatictext on in classification。based boostedbyconsideringtext 8 trainingsamples，锄be cliques structure．T11is anewmethodfor cozs- graph paper classification。with on presents graph-based particularemphasis document thetextssemanticfeatures．Ourisbased011 plete subgraph(clique)．Thosecllqu∞cancapture approach text featuresandcan SVM becombinedwitIl chssifiers．TheontheFudan and20News— clique experiment corpus showthatOUrmethod isfeasible． groups Text Keywordsclassification，Textmodel。SVM clique，Graph 构造文本相似图，从图中提取文本团(完全子图)，由 I引言 每个类别的所有团来构造分类器，进而与SⅥⅥ分 随着计算机技术和通讯技术的飞速发展，信息 类器进行组合[51。在复旦大学中文文本分类语料库 处理已经成为人们获取有用信息不可缺少的工具。 和20Newsgroups上进行实验，实验表明本文方法 文本自动分类也成为现代信息处理研究的一大热 在两个数据集上的表现均有所提高。 点，该技术将信息按照一定的体系进行分类整理，从