一种相似网页文本分类方法的研究

摘要：

通过分析网页的特点及因特网用户感兴趣的查询信息,提出了一种基于机器学习的、独立于语种的文本分类模型.这一模型的算法主要利用字间的相关信息、词频、页面的标记信息以及对用户的查询信息的浅层语义分析,提取网页特征,并计算可调的词频加权参数和增加特征词的可分性信息,然后通过本类和非本类训练,建立预定义类的特征向量空间,进一步对文本进行分类.这种分类方法在对于相似文本分类中具有明显的优势.

关键词：文本分类、超文本描述语言、可分性判据、层次分类

所属期刊栏目：29

分类号：TP391.1(计算技术、计算机技术)

资助基金：国家自然科学基金60083003

在线出版日期：2005-02-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：13-14,92