对数字化科技论文的自动分类研究

被引：5

作者：

李森

马军

赵嫣

雷景生

机构：

[1] 山东大学计算机科学与技术学院

来源：

山东大学学报(理学版) | 2006年 / 03期

关键词：

科技论文; 文本分类; 层次结构; 分类精度; 分类效率;

D O I：

暂无

中图分类号：

TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

针对科技论文具有半结构化的特点,提出利用科技论文的元数据的多层次分类模型.这里元数据包含论文的标题、关键词集合和摘要等信息.实验证明,若只利用元数据,可以取得与传统的基于全文信息分类方法近似的分类精度;若基于领域知识所产生的分类法,先利用元数据进行粗分类,然后再进行全文分类,所得到的分类精度要高于已知最好算法.因元数据的尺寸远远小于论文全文的尺寸,而粗分类后每类的论文数要远远小于全体论文数,故在分类类别数目较多且分类文本分布较为平均的情况下,可极大地缩短分类的时间.

引用

页码：81 / 84

页数：4