结合加权特征向量空间模型和RBPNN的文本分类方法

摘要：

提出了一种结合加权特征向量空间模型和径向基概率神经网络(RBPNN)的文本分类方法.该方法针对传统的文本特征提取方法的不足,根据文本中特征项的位置信息和所属类别信息定义特征权重,然后,依据特征项的权值计算文档特征项的频数,通过TFIDF函数计算特征值并得到文本的特征向量,最后,采用RBPNN网络分类,通过最小二乘算法求解神经网络的第二隐层和输出层之间的权值,最终训练获得文本分类模型.文本分类实验结果表明,该方法在文本分类中表现出较好的效果,具有较好查全率和查准率.

关键词：中文文本分类、特征提取、位置信息、类别信息、加权特征向量、径向基概率神经网络

所属期刊栏目：21

分类号：TP3;G25

资助基金：国家自然科学基金60863011,61175068

在线出版日期：2013-04-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：85-89,71