论文部分内容阅读
以大规模网络维吾尔文文本的自动分类技术研究为背景，设计模块化结构的维吾尔文本分类系统，在深入调研基础上选择NaiveBayes算法为分类引擎，用．C#实现分类系统。预处理中，结合维吾尔语的词法特征，通过引入词干提取方法大大降低特征维数。在包含10大类共计3000多个较大规模文本语料库基础上给出分类实验结果，再通过x2统计方法选择不同数目的特征，也分别给出分类实验结果。结果表明，预处理后的维吾尔文特征空间中只有1％-3％特征是最佳的，因而进一步确定哪些是最佳特征或降低特征空间维数是有可能的。