文本分类算法毕业论文 .pdfVIP

可修改可编辑

文本分类算法毕业论文

学院：计算机科学与技术学院

专业：电子信息科学与技术

论文题目：基于半监督的文本分类算法

精选文档

可修改可编辑

摘要

随着Internet的出现，大量的文字信息开始以计算机可读的形式存在，

以传统的手工方式对这些信息进行组织整理既费时费力且效果不理想。文本

分类作为处理和组织大量文本数据的关键技术，可以利用机器来对文本进行

分析整理，使用户从繁琐的文档处理工作中解放出来，并能极大地提高了信

息的利用率。文本分类是指分析文本内容并按一定的策略把文本归入一个或

多个合适的类别的应用技术。而作为信息过滤、信息检索、搜索引擎、文本

数据库、数字化图书馆等领域的技术基础，文本分类技术有着广泛的应用前

景。

本文首先介绍了文本分类的背景，文本分类所用的半监督算法及文本分

类的几个关键技术。然后鉴于高分类精度需要大规模己标记训练集而已标记

文档缺乏，利用未标识文档进行学习的半监督学习算法己成为文本分类的研

究重点这一情况，着重研究了半监督分类算法。最后本文设计了一个文本分

类原型系统，为保证分类的准确性，采用了不同的标准数据集进行测试，并

评价了其分类的性能。通过以上实验表明，当有足够的己标识文档时，本算

法与其它算法性能相当，但当已标识文档很少时，本算法优于现有的其它算

法。

关键词:文本分类；半监督学习；聚类；EM；KNN

精选文档

可修改可编辑

ABSTRACT

WiththeemergenceofInternet,alargenumberoftextmessages

begantoexistintheformofcomputer-readable,tothetraditional

manualwayfororganizationstocollatetheinformationis

time-consumingeffortandtheresultisnotsatisfactory.Asthekey

technologyinorganizingandprocessinglargemountofdocumentdata,

Textclassificationcanusethemachinetocollatethetextanalysis,

allowingusersfromthetediousworkofdocumentprocessingliberated

andcangreatlyimprovetheutilizationofinformation.Text

classificationisasupervisedleaningtaskofassigningnatural

languagetextdocumentstooneormorepredefinedcategoriesor

classesaccordingtotheircontents.Moreover,textclassification

hasthebroadappliedfutureasthetechnicalbasisofinformation

filtering,informationretrieval,searchengine,textdatabase,and

digitallibraryandsoon..

Thisthesisfirstlyintroducesthebackground