中文文本自動分類的應(yīng)用研究.pdf

1、時代的飛速進(jìn)步，信息技術(shù)的快速發(fā)展，信息獲取的途徑多樣化、信息的表現(xiàn)形式多元化、信息容量的膨脹化，特別是網(wǎng)絡(luò)上電子圖書、電子信息等海量的電子資源，給予我們搜取信息極大地便利性，但同時也帶來一個嚴(yán)峻的問題。怎樣才能從如此龐大的信息庫中準(zhǔn)確快速的獲取我們所需要的信息就是亟需解決的問題。目前，文本分類技術(shù)以其實用性受到了研究者的關(guān)注。文本分類也成為當(dāng)前熱門的研究課題之一。
　　本文首先概述了中文文本分類的流程以及在分類流程中所涉及的相關(guān)

2、理論：簡要的分析了布爾模型、概率模型和向量空間模型這三種文本表示模型的表示原理以及各自的優(yōu)缺點，其中重點描述了向量空間模型；對信息增益、文檔頻率、期望交叉熵、互信息和c2統(tǒng)計特征選擇方法進(jìn)行詳細(xì)地介紹以及優(yōu)缺點的比較，比較了常見文本分類算法Rocchio、樸素貝葉斯(NB)、支持向量機(jī)（SVM）、K最近鄰（kNN）的優(yōu)缺點，對分類器性能評價指標(biāo)召回率、準(zhǔn)確率和F1值等做了簡單描述。
　　其次深入分析了K最近鄰算法，總結(jié)了近年來各研