文献类型：期刊文章

作　　者：厉宇航[1] 罗振声[1] 程慕胜[1]

机构地区：[1]清华大学人文学院计算语言学研究室,北京100084

出　　处：《计算机工程与应用》

年　　份：2004

卷　　号：40

期　　号：11

起止页码：75-77

语　　种：中文

收录情况：AJ、BDHX、BDHX2000、CSA、CSA-PROQEUST、CSCD、CSCD2011_2012、IC、INSPEC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：该文意在设计并且实现一个针对英文文本的自动归类以及检索系统,重点在于提高分类方法的准确率。自动文本分类系统中,一般来说文本内容是以N维特征空间的形式存储的,所以特征提取的方法和准确率极大地影响到分类结果的正确率。传统方法是基于词形的,并不考察词语的意义,忽略了同一意义下词形的多样性、不确定性以及词义之间的关系,尤其是上下位关系。该文提出的方法,在向量空间模型(VSM)的基础上,以“概念”为基础,同时考虑词义的上位关系,使得训练过程中可以从词语中提炼出更加概括性的信息,从而达到提高分类精度的目的。

关 键 词：自动文本分类 概念层次  VSM WORDNET

分 类 号：TP391]