文本自动分类技术研究综述.PDFVIP

ITA  综述与述评  欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟 1 2 ， ● 庞观松 蒋盛益 (1. ， 510006 ;2. ， 广东外语外贸大学 国际工商管理学院 广东 广州 广东外语外贸大学 信息学院 广东 广州 510006) 文本自动分类技术研究综述* : 、 、 、 摘 要 文章从文本表示 特征选择 分类算法 常用基准语料以及评估指标等方面对近年来的研究成果进行综述 。 ， 、 并讨论 认为短文本分类和多语言文本分类管理是新出现的重要且紧迫的问题 并对这两个问题以及数据集偏斜 多层 、 。 。 分类 标注瓶颈等几个关键问题进行重点讨论 最后总结并展望这些研究内容 : ; ; ; 关键词 自动分类 文本分类 文本处理 综述 Abstract :Research results in automatic text classification in resent years are summarized and discussed from the perspective of text representation ，feature selection ，classification algorithm ，commonly-used benchmark corpuses and evaluation indices. Its be- lieved that short-text classification and multilingual text organization are the newly-emerging important and urgent problems. This pa- per focuses on discussing these two problems as well as several other key problems such as class imbalance ，hierarchical classifica- tion and labeled corpus bottleneck. Finally ，the paper summarizes and forecasts these researches. Keywords :automatic classification ;text classification ;text processing ;summary 、 、 ， 网络信息挖掘 自然语言处理 信息检索等技术能很 综合论述 但无法反映文本自动分类技术近几年的发展以 ， 。 好地解决信息过载时代的文本数据管理问题 文本分类技 及该领域相关的权威刊物和学术会议的研究成果 ， 术作为这些领域的重要基础 在近年来得到了快速发展和 1 文本预处理 。 广泛关注 传统的文本分类工作是由专家或专业人士进行 ，