基于中图法的多层自动分类影响因素分析-中国图书馆学报.PDFVIP

049 基于《中图法》的多层自动分类影响因素分析 何摇 琳摇 刘摇 竟摇 侯汉清 摘摇 要摇 系统总结基于《中图法》知识库的多层自动分类项目的研究经验,分析训练数据、特征词选择、分类算 法、类目体系和评估方法等因素对多层自动分类的影响。 围绕《中图法》,对自动分类的适应性、稀有类别的处 理、知识库更新、明显正确或错误数据的标注、标准数据集的制定等进行探讨。 图4。 表2。 参考文献9。 关键词摇 中图法摇 多层分类摇 文本分类摇 影响因素 分类号摇 G254.24 ABSTRACT摇 In former automatic text classification research熏 most of the prevalent classification technologies divided textsintoseveral classesat onelayer.However熏withtheincreasedquantitiesof informationretrieval熏thisflat organizational classification is more andmoreunsuitabletotheinformationretrievaltask. Thispapertriestoanalyzetheimpactfactorsin the multi鄄layer classification熏 including training data熏 classification algorithms熏 classification hierarchy systems and evaluation method. It also discusses the main difficulties and potential solutions in the multi鄄layer text classification. 4 figs. 2 tabs. 9 refs. KEY WORDS摇 CLC.摇 Multi鄄layer hierarchy.摇 Automatic classification.摇 Impact factors. CLASS NUMBER摇 G254.24 摇 摇 文本自动分类是信息检索与数据挖掘领域 类和标引,这些工作如果能够自动完成,将会节 的研究热点与核心技术,近年来得到了广泛的 省大量的人力和物力,提高信息服务的效率。 关注和快速的发展。 文本分类技术应用广泛, 在文本分类领域,大多数研究都集中在浅 在分类粒度较大、类目数量不多的行业分类中 层的粗略分类体系,所定义的类别数量有限,类 已逐渐趋于实用;但随着相关应用的发展及需 别之间基本是孤立的,没有任何结构关系。 当 求的不断提升,对于分类粒度小、类目数量庞大 类别数量激增时,该分类方法则无法满足要求。 的多层分类仍存在很多值得研究的问题,而其 尤其是像《中图法》这样类目详尽的分类体系, 恰恰又是图书馆和信息机构处理文本更需要 类目之间的语义相关性很大,基本类目多达五 的。 本文结合基于《中国图书馆分类法》(以下 六万个,复分、仿分后所派生出来的类目更是数 简称《中图法》)的多层自动分类项目组多年来 量庞大,浅层的粗糙分类体系无法满足应用的 的研究成果对多层自动分类的影响因素作一些 需求。 实践探讨。 采用机器学习方法对以《中图法》为分类体 系的信息资源分类,需要对《中图法》的每个类 1摇 多层自动分类的意义 目进行统计训练,必然会使得训练的特征维数 过大,导致运算量庞大;此外,这些文献资源在 以往的文本分类体系大多都是面向行业的 各个类目间的数量分布极不均衡,使得有些文 浅层粗略分类体系,随着网络信息资源数量的 献分布较少的类目难于分类。 由于《中图法》分 激增,文本的种类越来越多,人们对多层次信息 类体系的类目数目庞大和类下文献分布极不均 组织方式的需求也随之提高。 与此同时,图书 衡,导致机器学习算法难于适应以《中图法》为