对数字化科技论文的自动分类研究.pdfVIP

第41卷第3期 山东大学学报(理学版) 2006年6月 v01．41No．3 OFSHANDONG Jun．2006 JOURNAL UNⅣE彤；nY 文章编号：1671．93s2{2006}03-oOSl-04 对数字化科技论文的自动分类研究 李 森1，马 军1，赵嫣1，雷景生1’2 (1．山东大学计算机科学与技术学院，山东济南250061； 2．海南大学计算机学院，海南海口570228) 摘要：针对科技论文具有半结构化的特点，提出利用科技论文的元数据的多层次分类模型．这里元数据包含论文 的标题、关键词集合和摘要等信息．实验证明，若只利用元数据，可以取得与传统的基于全文信息分类方法近似的 分类精度；若基于领域知识所产生的分类法，先利用元数据进行粗分类，然后再进行全文分类，所得到的分类精度 要高于已知最好算法．因元数据的尺寸远远小于论文全文的尺寸，而粗分类后每类的论文教要远远小于全体论文 数，故在分类类别数目较多且分类文本分布较为平坶的情况下。可极大地缩短分类的时间． 关键词：科技论文；文本分类；层次结构；分类精度；分类效率 中圈分类号：TPl8 文献标识码：A The onautomiticclassificationof documentsofscientific study digital papers LI YanlandLEI Senl，MAJunl，ZHAO Jing-shen91，2 of and (1．School Science Computer Technology，ShandongUniv．，Jinan250061，Shandong，China； of 2．School Scienceand Computer Technology，HalnanUniv．，Haikou570228，Hainan，China) scientific Abstract：Since semi-structural classificationmodelbasedonthemetadataof pIpe玛areusually documents，a hierarchy scientificis themetadataincludethe andSO show papersproposed，where Sets，abstracts the rifles，keyword on．Experin把nts oftheclassificationbasedonthemetadataof closetothatthe the is of classificationbasedon fulltext precision papers