论文部分内容阅读
随着互联网技术的迅速发展,人们从Web上可以获得的信息资源越来越多,涉及到社会生活的各个方面,这也导致了网络信息过载(Information Overload)问题,从而促使Web挖掘技术和Web信息检索技术迅速发展。处理海量数据涉及到数据挖掘和数据库中的知识发现,“分类”就是一个重要方法。本文对文本自动分类中所涉及的各项技术进行了全面的论述,并通过测试对关键技术进行了深入的研究。对现有的各中文分词方法进行深入分析,并提出了基于最大匹配法(MM)和逆向最大匹配法(RMM)改进的一种分词算法。对文本特征获取方法进行深入研究,分析各方法的特点,比较各自优缺点,提出文档频度与词条频度综合算法。讨论了SVM分类方法并实现了一个文本分类器,通过对其性能进行评估,认为此分类系统具有较高的准确率和效率。