文本分类关键技术

被引：2

作者：

谷峰

吴扬扬

机构：

[1] 华侨大学计算机科学系

来源：

福建电脑 | 2006年 / 09期

关键词：

文本分类; 特征选择; 向量空间模型; 潜在语义模型; 概率模型;

D O I：

暂无

中图分类号：

TP391.1 [文字信息处理];

学科分类号：

摘要：

本文介绍了文本分类的基本原理及关键技术,讨论目前的一些主要算法,对现有的文本分类算法进行分析和比较,并针对目前文本分类技术的不足之处,提出今后文本分类研究的方向和目标。

引用

页码：5 / 6+8 +8

页数：3

共 9 条

[1] 汉语分词技术综述 [J].

龚汉明 ;

周长胜 .

北京机械工业学院学报, 2004, (03) :52-55+61

[2] 文本分类中的特征选择方法 [J].

程泽凯 ;

陆小艺 .

安徽工业大学学报(自然科学版), 2004, (03) :220-224

[3] 一种基于层次结构的科技论文分类模型 [J].

姚力群 ;

吴高巍 .

计算机工程与应用, 2004, (06) :18-22

[4] 基于本体实现对网页文本的自动主题分类 [J].

刘娇蛟 ;

龚丽 ;

李建华 .

计算机工程, 2003, (11) :95-97

[5] 主动贝叶斯网络分类器 [J].

宫秀军 ;

孙建平 ;

史忠植 .

计算机研究与发展, 2002, (05) :574-579

[6] 基于序列的文本自动分类算法 [J].

解冲锋 ;

李星 .

软件学报, 2002, (04) :783-789

[7] 基于向量空间模型的文本自动分类系统的研究与实现 [J].

庞剑锋 ;

卜东波 ;

白硕 .

计算机应用研究, 2001, (09) :23-26

[8] Lazy learning of Bayesian rules [J].

Zheng, ZJ ;

Webb, GI .

MACHINE LEARNING, 2000, 41 (01) :53-84

[9] SUPPORT-VECTOR NETWORKS [J].

CORTES, C ;

VAPNIK, V .

MACHINE LEARNING, 1995, 20 (03) :273-297

← 1 →