一种基于N-Gram技术的中文文献自动分类方法

摘要：

本文介绍一种基于n-gram技术的、与语言无关的文献分类方法K-means axiales (KMA),及其在中文文献自动分类中的应用.这种方法将文献转换成由n-gram(n个连续的字符)频次构成的向量.为压缩存储空间、提高处理速度,我们运用哈希函数将n-gram映射为哈希码,对文献的分析实际上以哈希码频次为基础运行.采用KMA算法,我们对一个中文数据库进行了自动分类的实验研究,在比较实验结果的基础上,我们对KMA算法初始参数的选择进行了初步探讨.

关键词：n-gram、汉字切分、哈希码、文献向量、KMA、自动分类

所属期刊栏目：21

分类号：G25(图书馆学、图书馆事业)

在线出版日期：2004-01-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：421-427