- 1、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。。
- 2、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。
- 3、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)。
- 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
一种新的基于统计的自动文本分类方法
1一种新的基于统计的自动文本分类方法
刘斌1 黄铁军2 程军3 高文1
1 中国科学院计算技术研究所 100080 北京
2 中国科学院研究生院 100080 北京
3 中国科学院文献情报中心 100080 北京
摘要: 自动文本分类就是在给定的分类体系下,让计算机根据文本的内容确定与它相关联的类
别。为了提高分类性能,本文提出了中文文本多层次特征提取方法和基于核的距离加权KNN 算法。
多层次特征提取方法在汉字、常用词表和专业词表三个层次上提取文档的统计特征,能够更好地反
映文档的统计分布。基于核的距离加权KNN 算法解决了样本的多峰分布、边界重叠问题和分类器的
精确分类决策问题。实际应用中,互联网和文本库提供了大量经过粗分类的训练文本,但普遍存在
样本质量较差的问题,本文通过样本重要性分析技术解决此问题。实验系统证明了新方法的有效性。
关键词: 自动文本分类;多层次特征提取;基于核的距离加权KNN 算法;样本重要性分析
中图分类号: TP391
A New Statistical-based Method in Automatic Text Classification
1 2 3 1
LIU Bin HUANG Tiejun CHENG Jun GAO Wen
1 Institute of Computing Technology, Chinese Academy of Sciences 100080 Beijing
2 Graduate School of Chinese Academy of Sciences 100080 Beijing
3 The Library of Chinese Academy of Sciences 100080 Beijing
Abstract: Automatic text classification is defined as the task to assign pre-defined category labels to
documents. To improve the classification performance, this article puts forward the multi-level feature
selection method and the kernel-based distance-weighted KNN algorithm. We extract the statistical text
features on three different levels as Chinese letters, the common wordlist and the professional wordlist,
which can represent more statistical character of the document set. The kernel-based weighted KNN
algorithm solves the multi-peak distribution problem and the overlap boundary problem of the sample set,
as well as the classifier’s precise decision problem. In practical use, the Internet and text databases provide
many pre-classified training sam
您可能关注的文档
最近下载
- 境内医疗器械变更注册申报资料电子目录(参考) .pdf VIP
- 结核分枝杆菌合并乙型肝炎病毒感染诊治专家共识.pptx
- 中纤板电器基础详解.ppt VIP
- 社交礼仪——饮茶礼仪(课件-PPT).pptx VIP
- 基础护理学说课-姜丽.ppt VIP
- 河南诗词大赛题库及答案2024.doc VIP
- 2024年新版全员消防安全知识培训【附最新案例】(77页).pptx VIP
- NB/T 35054-2015_水电工程过鱼设施设计规范.pdf
- (完整版)无菌医疗器械耗材生产企业体系文件 质量手册模板.pdf VIP
- 2025-2026学年小学信息技术(信息科技)三年级上册湘科版(2024)教学设计合集.docx
原创力文档


文档评论(0)