二十世纪末以来,计算语言学很多的文本分类研究者认识到按照形式分类的重要性,并出现了一个重要的理论转向,即由重视内容的分类转而重视内容与形式并重的研究。体裁属于形式的范畴,与写作风格、句法分析联系紧密,对文章的写作有着明显的制约和规范作用。把体裁分类信息附加于信息搜索引擎的方案,可以显著改善其效能。此外,体裁信息用于协助数字图书馆系统的可视化表示。因此,研究体裁自动分类,有着极高的理论价值和深远的现实意义。 然而,如何识别、描述、利用文本体裁是一项复杂而具有挑战性的工作。首先,体裁概念体系很大程度上是人类思维的抽象归纳,研究者认知受限和体裁自身动态演变等因素使得其概括和表述工作相当困难。其次,这个课题交叉于传统的汉语修辞学与计算语言学之间,需要有较深的语言学功底和计算语言学理论基础。因此,在其研究道路上还存在一些必须要克服的障碍。整体来看,体裁分类研究尚处于全面探索阶段的初期,其技术还不够成熟。而且,国内汉语体裁自动分类的研究工作也刚刚起步。 本文参照英语体裁分类机制,提出了一种基于浅层特征的中文体裁自动分类机制。其中,利用样本分类决策选出十三个中文特征项,借鉴模糊隶属度理论接合定性与定量指标,采用支撑向量机技术计算特征值。该分类机制已经在科学体、政论体、诗歌体、公文体、新闻体共五类体裁的典型文本的语料上得到实现,并获得了较好的效果。系统的局限性是特征提取程序缺乏通用性,必须随着体裁分类体系的每一项变化而做大幅度的调整。本课题尽管取得了一些进展,但必竟只是体裁自动分类研究的一个初步尝试,更多后续理论及应用研究尚待完成。