论文
使用概念基元特征进行自动文本分类
| 第一作者： | 贾宁 |
|---|---|
| 英文第一作者： | Jia Ning |
| 联系作者： | 贾宁 |
| 英文联系作者： | Jia Ning |
| 发表年度： | 2007 |
| 卷： | 1 |
| 摘要： | ？？？ 自动文本分类技术是大规模文档数据处理的关键技术,在文本分类过程中通常先进行文本表示,即把文本转化为特征向量,这其中常用的特征有特征词、词频、N-gram等等.论文研究了一种新的特征,即词语的HNC概念符号.词语的HNC概念符号来自于HNC(概念层次网络,Hierarchical Network of Concepts)建立的语义网络,以符号表达式的方式表示了词语的语义信息.因此使用HNC概念符号作为特征实际上是以文本中蕴含的语义信息作为特征,和词频等使用文本表层信息的特征有本质的不同.采用最大熵模型的方法建立分类器,以分词和HNC概念符号作为特征进行了研究,并对分类结果进行了比较.结果表明,HNC特征优于分词特征. |
| 刊物名称： | 计算机工程与应用 |