文献类型：期刊文章

作　　者：刘莹[1] 王宁[1] 李保华[2] 罗强[3]

机构地区：[1]重庆邮电大学移通学院计算机科学系,重庆401520 [2]郑州成功财经学院信息工程系,河南郑州451200 [3]重庆邮电大学计算机科学与技术学院,重庆400065

出　　处：《计算机工程与设计》

基　　金：重庆市教委科学技术研究基金项目(KJ1402002)

年　　份：2017

卷　　号：38

期　　号：7

起止页码：1965-1971

语　　种：中文

收录情况：BDHX、BDHX2014、IC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：针对现有文本分类模型的表现度低且缺乏容易理解的表示形式,提出一种模糊语法方法,并将其应用到犯罪文本分类中。根据定义的语法词典,将文本转化为模糊语法;将派生语法结合为更加紧凑的语法,获取学习文本模型的一般表示;将学习的模糊语法与测试集合进行匹配,根据解析隶属度的级别进行分类。与支持向量机、朴素贝叶斯、boosting方法和k最近邻等方法相比,所提FGM算法的性能与其它机器学习方法的性能类似;学习模型发生轻微变化,不需要传统方式的重建;在有些方面更加突出,如其在对爆炸事件的分类中获取了最高的F值(83%左右)以及最高的查准度(94%左右);很容易整合到更加全面的语法系统中。

关 键 词：模糊语法 文本分类 派生语法  学习  隶属度  

分 类 号：TP391]