带有短语切分的中文文本分类方法

摘要

Internet文本信息量极速增加,在组织和处理这些文本数据时,文本分类技术显得尤为重要.利用统计学理论,特征提取和权重计算常常忽略了特征项之间的语法关系.文中提出了一种将短语切分与文本分类相结合的新方法. 在经过TFIDF计算之后,在同一个短语中,特征项之间的关系被计算出来,然后调整权值向量,最后可以得到文本分类的正确率.同一般地文本分类方法相比,加入短语切分的文本分类方法的正确率平均提高了1.5%以上.