现代计算机(专业版)
現代計算機(專業版)
현대계산궤(전업판)
MODERN COMPUTER
2013年
7期
9-12
,共4页
文本分类%KNN算法%多要素%模拟退火算法%Bayes定理
文本分類%KNN算法%多要素%模擬退火算法%Bayes定理
문본분류%KNN산법%다요소%모의퇴화산법%Bayes정리
文本分类能够帮助人们更有效地利用不断膨胀的海量网络信息,然而网络文本中已不再是以单一的文本内容形式出现,更多的是包含标题、关键字、摘要、正文等多种要素.若用传统的文本分类器,则效果明显不好.综合利用文本各要素,提出通过KNN算法对各要素进行文本分类,再使用模拟退火算法以及Bayes定理协调各要素比重的多要素文本协调分类算法.实验结果表明,该算法是可行的,并且使用该算法得到的分类器比仅使用文本内容得到的分类器具有更高的分类准确率.
文本分類能夠幫助人們更有效地利用不斷膨脹的海量網絡信息,然而網絡文本中已不再是以單一的文本內容形式齣現,更多的是包含標題、關鍵字、摘要、正文等多種要素.若用傳統的文本分類器,則效果明顯不好.綜閤利用文本各要素,提齣通過KNN算法對各要素進行文本分類,再使用模擬退火算法以及Bayes定理協調各要素比重的多要素文本協調分類算法.實驗結果錶明,該算法是可行的,併且使用該算法得到的分類器比僅使用文本內容得到的分類器具有更高的分類準確率.
문본분류능구방조인문경유효지이용불단팽창적해량망락신식,연이망락문본중이불재시이단일적문본내용형식출현,경다적시포함표제、관건자、적요、정문등다충요소.약용전통적문본분류기,칙효과명현불호.종합이용문본각요소,제출통과KNN산법대각요소진행문본분류,재사용모의퇴화산법이급Bayes정리협조각요소비중적다요소문본협조분류산법.실험결과표명,해산법시가행적,병차사용해산법득도적분류기비부사용문본내용득도적분류기구유경고적분류준학솔.