基于标题类别语义识别的文本分类算法研究.pdfVIP

第29卷第12期 电 子 与 信 息 学 报 V01．29NO．12 2007年12月 Journal of Electronics＆Information Technology Dec． 2007 基于标题类别语义识别的文本分类算法研究 王 强 关 毅 王晓龙 (哈尔滨工业大学计算机科学与技术学院 哈尔滨 150001) 摘 要： 本文提出了一种基于标题类别语义识别的文本分类算法。算法利用基于类别信息的特征选择策略构造分 类的特征空间，通过识别文本标题中的特征词的类别语义来预测文本的候选类别，最后在候选类别空间中用分类器 执行分类操作。实验表明该算法在有效降低分类候选数目的基础上可显著提高文本分类的精度，通过对类别空间表 示效率指标的验证，进一步表明该算法有效地提高了文本表示空间的性能。 关键词： 标题类别语义识别；候选类别；类别空间表示效率 中图分类号：TP391 文献标识码：A 文章编号：1o09-5896(2007)12．2885-06 Applying Title Category Semantic Recognition for Text Categorization Wang Qiang Guan Yi Wang Xiao-long (School ol Computer Science and Technology，Harbin Institute ol Technology，Harbin 150001，China) Abstract：This paper presents a new algorithm using title category semantic recognition for text categorization． The algorithm generates feature space based on its category,picks up category semantic words of the title to produce candidate category and finally classifies it under these candidate categories．The experimental results firmly prove that the new algorithm performs better with fewer candidates and higher precision．Further research introduces category space representation efficiency to verify the validity of the new algorithm an d proves that it call achieve great improvement in text representation． Key words：Title Category Semantic Recognition(TCSR)；Candidate category；Category space representation efficiency 1 引言 在信息检索的特征权重计算研究中，Jini2J~Jl入了监督学习的 思想，提出了一种应用类别信息优化特征词权重的方法，实 自动文本分类是将自然语言文本自动指定至一个或几 验证明类别信息有效改善了文本特征的权重计算精度，提高 个预定义的文本类别中的方法，它是处理和组织大量文本数 了信息检索的效果，但Jin的研究主要应用了文本的类别信 据的一项关键技术。自动文本分类技