文献类型：期刊文章

作　　者：胡韧奋[1] 诸雨辰[2]

机构地区：[1]北京师范大学中文信息处理研究所,北京100875 [2]北京师范大学文学院,北京100875

出　　处：《北京大学学报（自然科学版）》

基　　金：863计划(2012AA011104)资助

年　　份：2015

卷　　号：51

期　　号：2

起止页码：262-268

语　　种：中文

收录情况：AJ、BDHX、BDHX2014、CAS、CSCD、CSCD2015_2016、EI、IC、INSPEC、JST、MR、PROQUEST、RCCSE、RSC、SCOPUS、WOS、ZGKJHX、ZMATH、ZR、核心刊

摘　　要：将文本分类技术引入唐诗研究。首先将唐诗按照题材分为爱情婚姻、边塞战争、交游送别、羁旅思乡、山水田园、咏史怀古和其他7类,并据此提出唐诗题材自动分类模型。所选500首诗歌样本以《唐诗三百首》为基础,并有所补充。采用向量空间模型(VSM)将唐诗文本转换为向量,通过卡方检验进行词语特征选择,最后基于朴素贝叶斯和支持向量机算法构造文本分类器,取得较好的题材分类效果。此外,还验证了作者关于题目、体制、作者等变量对题材分类产生影响的假设,为相关诗歌本体研究提供了科学依据。

关 键 词：唐诗 题材 文本分类 卡方检验 朴素贝叶斯 支持向量机

分 类 号：I207.22]