基于扩展概念格模型的文本分类规则提取的研究

摘要：

文本分类是信息检索与数据挖掘领域的研究热点与核心技术,近年来得到了广泛的关注和快速的发展.概念格是规则提取和数据分析的有效工具,然而概念格的构造效率始终是概念格应用的一大难题.本文研究了基于扩展概念格模型的文本分类规则提取,利用粗糙集和扩展概念格模型来进行分类规则提取.该方法利用概念树,极大地除去了冗余的概念,只需要建造很少的概念就能够提取出全部的分类规则,不仅效率较高,而且同时提取的分类规则与概念格相同.本文算法在MATLAB7.0的环境中运行的实验表明,查全率比KNN算法和SVM算法稍低,但是查准率比它们都高,因此该分类规则用于文本分类时效果与KNN和SVM相当.

关键词：文本分类、数据挖掘、粗糙集、概念格、分类规则

所属期刊栏目：32

分类号：TP391(计算技术、计算机技术)

在线出版日期：2010-11-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：98-100,103