文本分割器軟件信息

山西大學研究生學位課程論文 （2014 ---- 2015 學年 第 2 學期） 學院（中心、所）： 計算機與信息技術(shù)學院 專 業(yè) 名 稱： 計算機應(yīng)用技術(shù) 課 程 名 稱： 自然語言處理技術(shù) 論 文 題 目： 文本分類綜述 授課 教師（職稱）： 王素格（教授） 研 究 生 姓 名： 劉杰飛 年 級： 2014級 學 號： 201422403003 成 績： 評 閱 日 期： 山西大學研究生學院 2015年 6 月 2日 文本分類綜述 摘要 文本分類就是在給定的分類體系下 , 讓計算機根據(jù)給定文本的內(nèi)容， 將其判別為事先確 定的若干個文本類別中的某一類或某幾類的過程。 文本分類在冗余過濾、 組織管理、 智能檢 索、信息過濾、元數(shù)據(jù)提取、構(gòu)建索引、歧義消解、文本過濾等方面有很重要的應(yīng)用。本文 主要介紹文本分類的研究背景 ,跟蹤國內(nèi)外文本分類技術(shù)研究動態(tài)。 介紹目前文本分類過程 中的一些關(guān)鍵

在傳統(tǒng)的監(jiān)督學習任務(wù)中,實體被認為是獨立同分布的.然而,現(xiàn)實世界中實體之間通過復雜的方式相互關(guān)聯(lián).例如在超文本分類中,具有鏈接關(guān)系的頁面之間高度相關(guān).標準的分類方法是忽略實體之間的聯(lián)系,對每個實體單獨分類.本文將Markov邏輯網(wǎng)應(yīng)用到超文本分類中,旨在改善這一問題.實驗結(jié)果顯示了采用Markov邏輯網(wǎng)模型要比采用K最鄰近節(jié)點算法的分類效果好;同時將實體之間存在的聯(lián)系用于學習和推理對于分類也有一定的貢獻.