- 1、本文档共6页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
基于隐马尔科夫模型的文本分类 - 石家庄铁道大学学报(自然科学版)
26 1 ( ) Vol. 26 No. 1
第 卷 第 期 石家庄铁道大学学报 自然科学版
20 13 3 JOURNAL OF SHIJIAZHUANG TIEDAO UNIVERSITY (NATURAL SCIENCE) Mar. 20 13
年 月
基于隐马尔科夫模型的文本分类
,
刘晓飞 邸书灵
( , 050043)
石家庄铁道大学信息科学与技术学院 河北石家庄
: , 。
摘要 文本分类经过多年的发展 已经产生了很多成熟高效的算法 将隐马尔科夫模型用
, ,2 ,
于文本分类 对每个文本类构建一个隐马尔科夫模型 χ 检验获得类别特征词集 其状态转移表
, ,
示按照一指定顺序对类别特征词集进行遍历 状态输出符号为特征词的词频 隐马尔科夫模型
。 HMM
的状态转移过程隐含的表示了属于该类的文本的形成过程 具有最大概率的 分类器就是
。 , ,
所属的类别 该算法不仅将特征词考虑进去 而且还将词频信息融入隐马尔科夫模型中 实验
结果表明该方法分类效率较高。
2
: ; ; ; ;
关键词 文本分类 隐马尔科夫模型 信息增益 χ 检验 泊松分布
中图分类号:TP182 文献标识码:A 文章编号:2095 0373 (20 13)0 1 0 10 1 06
0 引言
, , ,
近些年来随着网络的不断发展 各种信息的增长速度越来越快 其中文本信息占有重要地位 面对这
, 、 ,
些越来越多的信息 如何快速而有效的进行组织 管理以及使用是当今信息处理的一个重要课题 而这也
促进了文本分类技术的发展。
。
文本分类就是将未分类的文本根据一定的分类算法分配到正确的类别中 文本分类的应用十分广
, 、 、 、 。
泛 在搜索引擎 信息过滤 文本识别 数字图书馆等方面均已成为关键技术之一
, 。 SVM
文本分类发展至今 已经产生了很多种模型和算法 在文本分类中比较常用的分类算法有 算
[1] [2] [3
您可能关注的文档
- 61 台股盘后 鸿海宏棋接棒撑!.ppt
- 年度报告 - 上海耀皮.doc
- 增强间充质 干细胞的趋化与疾病治疗 - igem 2016.pdf
- 小麦阶段发育的生理生态特征评述 - 南京农业大学学报.pdf
- 模糊数学综合评价法在炖煮猪肉工艺优化中的应用 - 浙江大学学报.pdf
- 探讨改善环状糊精葡萄糖基转移酶特性及连续生产β-环状糊精条件李旭杰.pdf
- 液态簧振动力学谱在蛋白质水凝胶脱水变性过程的应用研究 - 物理学报.pdf
- r2藻红蛋白标记抗体荧光探针的高效制备及其在 - 南京农业大学学报.pdf
- 高温胁迫对不同基因型玉米雄穗保护酶活性的影响 - 玉米科学.doc
- 氨基酸分析法测定复方骨肽注射液中多肽含量 - 中国药事.pdf
文档评论(0)