收藏本站
《长春工业大学》 2010年
收藏 | 手机打开
二维码
手机客户端打开本文

文本分类中特征降维方法的研究

王雅菲  
【摘要】:文本分类是将自然文本根据内容自动分为预先定义的一个或者几个类别的过程。它作为处理和组织大量文本数据的关键技术,可以在较大程度上解决信息杂乱无章的问题,方便用户准确地定位所需的信息。在文本分类领域,高维的特征空间是影响分类效果的主要因素,如何降低特征空间的维数、提高分类的效率和精度,成为文本自动分类中需要首先解决的问题。为此,特征降维成为文本分类的一个非常重要的步骤。他主要是找出描述特定领域的相关词汇,去除影响分类效果的噪音词汇(如虚词、形容词等),可以大大减少特征集合中的特征数,好的特征选择算法能够找到代表数据集的最小特征子集,提高系统运行的速度和分类准确度。 针对文本分类中特征降维准确性和效率的要求,本文深入研究特征降维算法,提出了两种新的特征降维方法。最后将现已提出的多种特征降维算法从选择效率和耗费时间等方便进行了分析比较。本文主要包括以下两大部分内容: 第一,基于相似融合的文本特征降维方法,分析蚁群算法中运动速度类型各异的多个蚁群,独立而并行地进行搜索分析,先求出不同搜索结果中每个簇的对应关系,然后计算这几个搜索结果对应簇的交集,对特征项使用一种改进的互信息方法进行二次选择,在最大限度减少信息损失的前提下实现了文本特征的有效降维。该方法具有良好的降维效果并且提高了分类的效率。 第二,基于遗传算法与k-means算法相结合的特征选择算法,针对文本分类中高维的特征对分类准确率和效率的影响,传统的特征选择方法都很难得到最优特征子集,遗传算法具有全局优化的特点并且具有高的寻优效率,但用于特征选择时搜索随机性强,故将k-means算法用于选择操作中提出一种新的特征选择方法。通过选择、交叉和变异的遗传操作,能快速地求出最优特征子集,该方法能有效地提高特征选择的精确度和效率。
【学位授予单位】:长春工业大学
【学位级别】:硕士
【学位授予年份】:2010
【分类号】:TP391.1

【相似文献】
中国期刊全文数据库 前10条
1 高金勇;徐朝军;冯奕竸;;基于迭代的TFIDF在短文本分类中的应用[J];情报理论与实践;2011年06期
2 唐云;罗俊松;;基于粗糙集和BP神经网络的文本分类研究[J];计算机仿真;2011年06期
3 胥桂仙;向春丞;翁彧;赵小兵;杨国胜;;基于栏目的藏文网页文本自动分类方法[J];中文信息学报;2011年04期
4 张国梁;肖超锋;;基于SVM新闻文本分类的研究[J];电子技术;2011年08期
5 刘新生;厉锟;;基于BP神经网络的旅游突发事件文本分类系统的设计与实现[J];计算机与现代化;2011年07期
6 王斌;朴顺姬;邵华清;;基于粗糙集的KNN的WEB文本分类的研究[J];数字技术与应用;2011年08期
7 张春元;;基于条件随机场的文本分类模型[J];计算机技术与发展;2011年07期
8 卢志翔;蒙丽莉;;文本分类中特征项权重算法的改进[J];柳州师专学报;2011年04期
9 甄志龙;曾晓勤;韩立新;;文本分类中基于图模型的特征提取方法[J];情报科学;2011年08期
10 奉国和;;文本分类性能评价研究[J];情报杂志;2011年08期
中国重要会议论文全文数据库 前10条
1 陈克利;宗成庆;王霞;;基于大规模真实文本的平衡语料分析与文本分类方法[A];语言计算与基于内容的文本处理——全国第七届计算语言学联合学术会议论文集[C];2003年
2 杜长海;吉根林;;模糊聚类的最大树法在文本分类中的应用研究[A];第二十二届中国数据库学术会议论文集(研究报告篇)[C];2005年
3 刘秉权;李博;孙林;王宝勋;刘远超;;标签特征和正文特征融合的SVM博客文本分类算法研究[A];第六届全国信息检索学术会议论文集[C];2010年
4 海丽且木·艾沙;维尼拉·木沙江;;Web文本分类及其维、哈、柯多文种信息检索中的应用研究[A];少数民族青年自然语言处理技术研究与进展——第三届全国少数民族青年自然语言信息处理、第二届全国多语言知识库建设联合学术研讨会论文集[C];2010年
5 商炳章;白清源;;基于特征项权重改进的关联文本分类[A];第二十五届中国数据库学术会议论文集(二)[C];2008年
6 胡俊;黄厚宽;;一种基于SVM的可视化文本分类的方法[A];第二十一届中国数据库学术会议论文集(技术报告篇)[C];2004年
7 朱慕华;陈文亮;朱靖波;;词聚类在文本分类中的应用[A];第二届全国学生计算语言学研讨会论文集[C];2004年
8 王小华;陆蓓;张国煊;;文本自动分类的模糊方法[A];自然语言理解与机器翻译——全国第六届计算语言学联合学术会议论文集[C];2001年
9 庞剑锋;程学旗;;反馈方法在文本分类系统中的应用[A];自然语言理解与机器翻译——全国第六届计算语言学联合学术会议论文集[C];2001年
10 贾会强;刘晓丽;于洪志;;基于词性特征提取的藏文文本分类方法研究[A];CCF NCSC 2011——第二届中国计算机学会服务计算学术会议论文集[C];2011年
中国重要报纸全文数据库 前6条
1 中国科学院计算技术研究所 王 斌;内容为王[N];计算机世界;2004年
2 高利华;传承陆游风骨 推进国际交流[N];人民日报海外版;2005年
3 林木树;反垃圾邮件有待新突破[N];人民邮电;2004年
4 希安;微软试水信息检索[N];经济日报;2004年
5 王培森;从Web挖到竞争情报[N];中国计算机报;2003年
6 应晓敏 窦文华;技术架构[N];计算机世界;2003年
中国博士学位论文全文数据库 前10条
1 章舜仲;文本分类中词共现关系的研究及其应用[D];南京理工大学;2010年
2 孟佳娜;迁移学习在文本分类中的应用研究[D];大连理工大学;2011年
3 李智星;用于文本分类的简明语义分析技术研究[D];重庆大学;2011年
4 刘伍颖;面向垃圾信息过滤的主动多域学习文本分类方法研究[D];国防科学技术大学;2011年
5 祝翠玲;基于类别结构的文本层次分类方法研究[D];山东大学;2011年
6 王博;文本分类中特征选择技术的研究[D];国防科学技术大学;2009年
7 于哲夫;一种新的特征选择方法及其在路面使用性能分析中的应用[D];大连海事大学;2011年
8 宋枫溪;自动文本分类若干基本问题研究[D];南京理工大学;2004年
9 冯国忠;文本分类中的贝叶斯特征选择[D];东北师范大学;2011年
10 平源;基于支持向量机的聚类及文本分类研究[D];北京邮电大学;2012年
中国硕士学位论文全文数据库 前10条
1 范小丽;文本分类中特征选择的研究与实现[D];西北大学;2011年
2 吕靖;互联网搜索词分类关键技术研究[D];浙江大学;2011年
3 张彪;文本分类中特征选择算法的分析与研究[D];中国科学技术大学;2010年
4 乙峰;面向网络知识服务的医疗信息分类方法[D];哈尔滨工业大学;2010年
5 叶磊;电子公告系统环境中的数据挖掘技术设计与实现[D];华东交通大学;2009年
6 张保富;基于粗糙集的中文文本分类算法研究及应用[D];江苏大学;2010年
7 蒋健;文本分类中特征提取和特征加权方法研究[D];重庆大学;2010年
8 闫晨;KNN文本分类研究[D];燕山大学;2010年
9 苏小康;基于维基百科构建语义知识库及其在文本分类领域的应用研究[D];华中师范大学;2010年
10 李璇;基于坐标下降法的半监督学习算法及其在文本分类中的应用[D];华南理工大学;2010年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026