基于KNN的多要素中文文本分類研究.pdf

1、隨著Internet的迅猛發(fā)展和日益普及，網(wǎng)絡(luò)文本信息急劇增長(zhǎng)，如何有效的組織和管理這些海量信息，并能夠快速、準(zhǔn)確、全面地獲得用戶所需要的信息是當(dāng)今信息科學(xué)技術(shù)領(lǐng)域面臨的一大挑戰(zhàn)。文本分類作為處理和組織大量文本數(shù)據(jù)的關(guān)鍵技術(shù)，可以在較大程度上解決信息雜亂現(xiàn)象的問(wèn)題，方便用戶準(zhǔn)確地定位所需要的信息和分流信息。而且作為信息過(guò)濾、信息檢索、搜索引擎、文本數(shù)據(jù)庫(kù)、數(shù)字化圖書(shū)館等技術(shù)基礎(chǔ)，文本分類技術(shù)的研究具有重要的理論意義和廣泛的應(yīng)用價(jià)值。

2、r>　　然而目前大多對(duì)文本分類對(duì)象還僅是文本內(nèi)容，而忽略了網(wǎng)絡(luò)文本的標(biāo)題、關(guān)鍵字、摘要等信息對(duì)文本類別的貢獻(xiàn)，如何綜合利用這些信息提出高效、準(zhǔn)確的分類算法是本文的熱點(diǎn)研究?jī)?nèi)容之一。本文提出了通過(guò)KNN算法對(duì)文本各要素進(jìn)行分類，再使用貝葉斯定理綜合多分類器，最后通過(guò)模擬退火算法協(xié)調(diào)各要素比重的多要素中文文本分類算法。實(shí)驗(yàn)證明該算法能夠有效的解決多要素文本分類問(wèn)題并且與傳統(tǒng)的文本分類方法相比有更高的分類準(zhǔn)確率。
　　基于KNN的多要素

3、中文文本分類協(xié)調(diào)算法主要包括以下三各方面:
　　基于KNN算法的中文文本分類研究與實(shí)現(xiàn)。主要研究了不同特征維數(shù)和不同特征選擇算法對(duì)分類器的影響，不同K值下KNN算法的分類性能。最后根據(jù)實(shí)驗(yàn)結(jié)果，選擇最優(yōu)的特征維數(shù)、特征選擇算法以及K值對(duì)各要素構(gòu)造分類器，再使用分類器得到測(cè)試文本集的類別信息，最后對(duì)分類結(jié)果進(jìn)行評(píng)估。
　　提出并實(shí)現(xiàn)基于Bayes定理的多分類器協(xié)調(diào)算法。該算法將Bayes定理運(yùn)用到多分類器的協(xié)調(diào)上來(lái)，主要根據(jù)各