基于粗糙集理论的文本分类方法研究-软件工程专业论文.docxVIP

摘 摘 要 摘 要 随着科技和互联网技术的发展，人们可以获得的信息资源越来越多，这些信 息资源散布于各种网站中。在网络这个庞大的虚拟图书馆中，占信息比重最大的 文本数据却缺乏结构化、组织化的规整性，并且大大降低了网络文本信息的利用 效率，所以运用文本自动分类技术将大大提高人们利用网络信息资源的效率。同 时，信息数据量的爆炸性增长使得传统的手工处理方法变得不切合实际，因此需 要采用自动化程度更高、效率更好的数据处理方法，帮助人们更高效地进行文本 分类。而文本的自动分类技术则能降低网络的查询时间，提高网络搜索质量，方 便网络用户，从而使快速有效地获取文本信息成为可能。本文主要介绍了几种基 于文本的分类技术的原理和方法，以及对粗糙集理论在知识发现领域的应用作了 一些的介绍。最后，本文提出了一种基于粗糙集理论的文本分类方法。 关键字：文本分类、粗糙集、决策表、属性约简、规则提取 AB AB STRACT This paper discusses the principles and methods of several text—inbased classification techniques， simulates the inference thinking mode of hum an head、】l，itll the key concept and relations between other concepts based on the concept inference network of semantic net， and converts Text Categorzation，mode matching into a reference process of a file matching， inplementing Text Categorzation．The several ways are compared and characteristics are given．The others，this paper discusses application of Rough Set theory in data mining． Finally，A method ofText Categorization based on rough set is presented in this paper．First， the weights ofkey words are made discrete．Then，the decision table is made with weights as the condition attributes and classes of texts as the decision attributes．Finally，the Categorizing rules are extracted by attribute reduction．The extracted rules are easy to understand．The accuracy is higher and the speed of categorization is fast． Keywords：text categorzation，concept reference text categorization；rough set；decision table；reduction of attributes；rule extraction Ⅱ 华南理工大学 华南理工大学 学位论文原创性声明 本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研 究所取得的研究成果。除了文中特别加以标注引用的内容外，本论文 不包含任何其他个人或集体已经发表或撰写的成果作品。对本文的研 究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完 全意识到本声明的法律后果由本人承担。 作者签名：y／j,f亏≮弦 日期：∥矿绛6月7日 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定， 同意学校保留并向国家有关部门或机构送交论文的复印件和电子版， 允许论文被查阅和借阅。本人授权华南理工大学可以将本学位论文的 全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫 描等复制手段保存和汇编本学位论文。 保密口，在 年解密后适用本授权书。 本学位论文属于 不保密口。 (请在以上相应方框内打“√”) 、—Ⅳ＼棚 作者签名： 例髫k 7 日期：∥≮莎月’日 导师签名： 扒钆 日期：础1年6月加日 第一章绪论第一章 第一章绪论 第一章 绪论 1．1背景 我们生活在一个信息爆炸时代，Intemet奇迹般的增长导致了可