基于自身特征的短文本分类研究-软件工程专业论文.docxVIP

合肥工业大学本论文经答辩委员会全体委员审查，确认符合合肥工业大 合肥工业大学 本论文经答辩委员会全体委员审查，确认符合合肥工业大 学学历硕士学位论文质量要求。 答辩委员会签名(工作单位、职称、姓名) 1 主席： 七珐驴引 中国科学技术大学教授 委员： 耆嘞 安徽大学 教授 J 合肥工业大学 教授 钾钐I 合肥工业大学 副教授 砀A专洲 合肥工业大学 副教授 l 翮：吲锄司 万方数据 学位论文独创性声明本人郑重声明：所呈交的学位论文是本人在导师指导下进行独立研究工作所 学位论文独创性声明 本人郑重声明：所呈交的学位论文是本人在导师指导下进行独立研究工作所 取得的成果。据我所知，除了文中特别加以标注和致谢的内容外，论文中不包含 其他人己经发表或撰写过的研究成果，也不包含为获得合肥工业大学 或其 他教育机构的学位或证书而使用过的材料。对本文成果做出贡献的个人和集体， 本人己在论文中作了明确的说明，并表示谢意。 学位论文中表达的观点纯属作者本人观点，与合肥工业大学无关。 学位论文作者签名：前砀 签名日期．加f6年争月” 学位论文版权使用授权书 本学位论文作者完全了解 金胆王些太堂 有关保留、使用学位论文的规 定，即：除保密期内的涉密学位论文外，学校有权保存并向国家有关部门或机构 送交论文的复印件和电子光盘，允许论文被查阅或借阅。本人授权合肥工业大 堂一可以将本学位论文的全部或部分内容编入有关数据库，允许采用影印、缩印 或扫描等复制手段保存、汇编学位论文。 (保密的学位论文在解密后适用本授权书) n 学位论文作者签名：铴解 指导教师签名： 沙√ 签名日期：加f6年年月仫日 签名日期也／％年侈弟 论文作者毕业去向 工作单位： 联系电话： E-mail： 通讯地址： 邮政编码： 万方数据 致谢两年多的研究生生涯如白驹过隙，转眼即逝。此时的心情是欢喜中掺杂着几 致谢 两年多的研究生生涯如白驹过隙，转眼即逝。此时的心情是欢喜中掺杂着几 分留恋!即将走出校园走向人生新的历程，让我感到很欣喜，然而即将离开熟悉 的校园和这些年伴我成长的老师和同学又让我感到非常不舍。 在论文完成之际，我由衷地感谢那些给我提供帮助和指导的老师及同学。 首先，感谢我的导师胡学钢教授，胡老师严谨细致、一丝不苟的作风一直是 我工作、学习中的榜样。感谢他作为老师对我的点播迷津，作为长辈对我的关怀 备至，能师从胡老师，我感到万分庆幸。在此谨向胡老师表示我最诚挚的敬意和 感谢。 其次，我要感谢张玉红老师，她在我的研究方向和实验上给予了很多的指导 和帮助，并在论文的写作上提出了宝贵的修改意见，所发表的每一篇论文都经过 她的数次修改及认真指导，正是她的言传身教和谆谆教诲才使我在硕士生涯中获 得这些成就。 同时，我还要感谢李培培师姐，感谢她在多次小组讨论会上和平时学术探讨 中对我研究领域给予的有效性的建议，同时师姐认真科研和一丝不苟的科研态度 深深影响了我。 另外，我还要特别感谢数据挖掘与智能计算“干人计划”研究团队的所有老 师和成员。感谢吴共庆、张晶、李磊、郭丹、谢飞、阙夏等各位老师，感谢他们 在学习生活中给予我的指点与帮助，感谢往届的张靖、王海平、俞奎等博士师兄 师姐，感谢往届的欧倩倩、徐旭、吴斐、毕佳佳、许尧等硕士师兄师姐，感谢同 届的陈方鑫、陈伟、马利伟、胡骏等同学，感谢他们对我研究生生涯的陪伴和支 持。 最后，我还要感谢我的家人、朋友，感谢他们为我所付出的一切。 作者：杨超群 2016年4月6日 万方数据 摘要在线评论、网络聊天、搜索片段和微型博客等短文本包含大量有价值的潜在 摘要 在线评论、网络聊天、搜索片段和微型博客等短文本包含大量有价值的潜在 信息，然而，短文本具有特征稀疏、描述概念信号弱等特点，使得传统的文本分 类技术面临极大的挑战。论文针对短文本特征稀疏性和描述概念信号弱等问题开 展分类方法研究，选题具有重要的理论和应用价值。 论文主要工作如下： (1)对短文本相关的研究领域及覆盖范围进行详细的分析，并对文本分类 的相关关键技术进行简要概述。 (2)针对已有特征选择方法对特征和类之间的相关性考虑不够充分等问 题，提出基于类区分特征的短文本分类方法。通过特征在类内和类间的分布关系 进行特征权重的衡量，迭代的选取局部环境下的重要特征，并依据这些特征进行 局部分类，实验结果表明该方法在时间性能和准确率方面有很大优势。 (3)针对短文本的特征稀疏及数据集存在的不平衡问题，提出一种基于自 身特征扩展的短文本分类方法研究。首先对于每个类别选取相同比率具有高指示 性的特征并进行合并；其次，依据最终的特征空间，对训练集和测试集进行向量 化表示，并以此进行分类。实验结果表明方法可以有效的提高短文本分类效果。 关键词：类区分特征；稀疏性；概念信号弱；短文本分类；不平衡 II 万方数据