科技文本分类问的研究.pdfVIP

摘要 摘要 文本分类问题作为机器学习的一个重要问题，其研究一直受到关注。然而， 作为一类特殊的文本，科技文本的分类问题却没有得到足够的关注；与此同时， 科技文本分类问题的需求却与日俱增。针对这一现实需求，本文以环境科学类科 技文本为例，对科技文本的分类问题进行了深入研究。 论文的主要内容包括： 以环境科学类科技文献为例，建立了科技文本的样本库和字典库。其中包括 的文本样本均来自于真实的科技文献。 分别从三个不同的角度对科技文本分类问题进行了研究T作，其中： 将科技文本分类问题看作一个多分类问题来解决，在学习过程中使用了一种 全局与局部统一的半监督学习算法，并针对科技文本的分类特点对算法提出了改 进。 将科技文本分类问题作为一个两类问题来解决，针对科技文本的特点首次提 出了一种层次结构的文本分类模型。结果显示，该模型能够稳定并有效地提高分 类的精度， 将科技文本分类问题作为一个One-Class问题来解决，首次提出了一种将局 部线性与One—Class相结合的文本分类算法，该算法利用局部线性的思想寻找文 本样本的内在支撑流形，利用One-Class的思想确定正负样本的分界面。与标准 SVM算法和One—Class问题的SvM算法相比，该方法具有分类糖度高、参数估计 简便、正负样本分类精度可控制、计算量低等优点，该算法为解决科技文献的分 类问题提供了一条有效的途径。 关键词：科技文本，文本分类，样本库，字典库，多分类问题．局部与全局统一 二分类问题，SVM，层次结构，One—Class，LLE，局部线性 科技文本分类问题的研究 ABSTRACT Asone ofmachine classificationhasreceived part learning，text attention onekindof special specialtext， continuously．However，as technicalClassificationlittleattention．AttheSa／fletime． text onlygot the fortechnicaltextClassificationincreasessteadilv． necesSity ODenvironmental above technical situation，westudy Considering proposed text cation． C1asSjfi ThlStheSiScontalOS： text as Takenenvironmenta】technicalclassification examples．we of andthe construetedadatabasetechnicaltext samples corresponding fromthereal the inthedatabasecome technical samples dictionary．A1l 1iterature． W