基于机器学习的文本分类方法.pdfVIP

程伟 基于机器学习算法的文本分类方法综述 摘要：文本分类是机器学习领域新的研究热点。基于机器学习算法的文本分类方法比传 统的文本分类方法优势明显。本文综述了现有的基于机器学习的文本分类方法，讨论了各种 方法的优缺点，并指出了文本分类方法未来可能的发展趋势。 1.引言 随着计算机技术、数据库技术，网络技术的飞速发展，Internet 的广泛应用，信息交换 越来越方便，各个领域都不断产生海量数据，使得互联网数据及资源呈现海量特征，尤其是 海量的文本数据。如何利用海量数据挖掘出有用的信息和知识，方便人们的查阅和应用，已 经成为一个日趋重要的问题。因此，基于文本内容的信息检索和数据挖掘逐渐成为备受关注 的领域。文本分类(text categorization，TC)技术是信息检索和文本挖掘的重要基础技术，其 作用是根据文本的某些特征，在预先给定的类别标记(label)集合下，根据文本内容判定它的 类别。传统的文本分类模式是基于知识工程和专家系统的，在灵活性和分类效果上都有很大 的缺陷。例如卡内基集团为路透社开发的Construe 专家系统就是采用知识工程方法构造的 一个著名的文本分类系统，但该系统的开发工作量达到了10 个人年，当需要进行信息更新 时，维