随着信息时代的来临,电子文本信息迅速膨胀,如何有效地组织和管理这些信息,并准确、全面、快速地将用户所需要的信息从文本信息系统中选取出来成为当前信息科学和技术领域的一大挑战。文本分类技术作为文本信息处理领域的关键技术之一,在较大的程度上解决了信息混乱的问题。文本分类面临的一个主要问题就是在用向量空间模型表示文本时,向量空间的维数过高,这样就造成了分类算法的计算复杂度很高。首先要进行特征选择,常用的特征选择方法包括:信息增益、互信息、χ2统计、期望交叉熵、词频方法、文档频次方法、文本证据权等。本文是从多种特征选择函数的差异性着手进行研究的。本文的主要工作包括以下内容:1.本文在各特征选择函数之后应用了主成分分析(Principal Component Analysis)的方法,它进一步的降低了特征维数并选出更具代表性的特征项。实验表明应用PCA后各分类器的分类性能得到了明显地提高。2.本文将PCA应用到各特征选择函数之后,基于各特征子集的差异性提出了一种改进的多视图学习策略。将PCA与多视图学习策略相结合应用到文本数据分类中来,实验表明其可行性。