真诚感谢您的到来.我们将更加努力...
传奇Ｗｅｂ文本分类技术研究现状述评 |
| 本文作者： 高淑琴， Gao Shuqin 总第123期2008年5月融．了瓶．弘诹No．123May，2008高淑琴(江苏徐州师范大学图书馆，徐州，221116)[摘要]本文在分析国内外Web文本分类方法研究现状的基础上，对新近出现的基于群的分类方法、基于模糊～粗糙集的文本分类模型、多分类器融合的方法、基于RBF网络的文本分类模型、潜在语义分类模型等新方法，以及K一近邻算法和支持向量机的新发展等进行了深入探讨并对web文本分类过程的几个关键技术：文本预处理、文本表示、特征降维、训练方法和分类算法进行了分析最后总结了Web文本分类技术存在着新分类方法不断涌现、传统分类方法的进一步发展、文本、语音和图像分类技术的融合等几种发展趋势，以及存在着分词问题、目前还没有发现“最佳”的特征选择等研究的不足之处。 [关键词]web文本分类数据挖掘机器学习[中图分类号]G254．11[文献标识码]A[文章编号]10032797(2008)03一0081一06[Abstract]ThisarticlehasanalyzedtheresearchpresentsituationofdomesticandforeignWebtextcIassificationmethodfirstIy，hasanalyzedthenewmethodswhichrecentlyappeared，swarrnbasedapproaches，basedonthefuzzyroughcollectiontextclassificationmodel，themultisortersfusionmethod，basedonRBFnetworktextclassificationmodel，latentsemanticclassificationmodelandsoon，aswellastherecentdevelopmentoftheKNNandthesupportvectormachine(SVⅣ【)methodAndhasdiscussedtheWebtextclassificationprocessseveralessentialtechnologies：Thetextpretreatment，thetextexpressed，thecharacteristicfellUygur，thetrainingmethodandtheclassifiedalgorithmFinallysummarizedthedevelopmenttendencyanddeficiencyofWebtextclassificationtechnology．[Keywords]WebtextclassificationDataminingMachinelearninglweb文本分类方法的研究现状在Web出现之前，人们已经对文本自动分类问题进行了大量的研究，形成了文档自动分类技术。随着web上海量的文本信息的增加，文档自动分类技术的处理对象从普通的文档扩展到了Web文本。很显然，文档自动分类技术也成为Web文本分类技术的基础。1．1国外Web文本分类方法的研究现状国外对文本自动分类的研究开展较早，50年代末，H．P．LUhn在这个领域进行了开创性的研究，提出了基于词频统计思想的文本自动分类方法。1960年，Maron发表了关于自动分类算法的第一篇论文，随后以K．Spark，G。Salton以及K．S．Jones等人为代表的众多学者也在这一领域进行了很有成效的研究工作‘¨，目前国外的文本分类研究已经从实验性阶段进入到了实用化阶段，并在邮件分类，电子会议等方面取得了广泛的应用，其中较为成功的有麻省理工学院为白宫开发的邮件分类系统和卡内基集团为路透社开发的construe系统[2]。1．2国内Web文本分类方法的研究现状相比于英文文本分类，中文文本分类的一个重要的差别在于预处理阶段：中文文本的读取需要分词，不像英文文本的单词那样有空格来区分。在很长一段时间内，中文文本分类的研究没有公开的数据集，使得分类算法难以比较。现在一般采用的中文测试集有：北京大学建立的人民日报语料库、清华大学建立的现代汉语语料库等。其实一旦经过预处理将中文文本变成了样本矢量的数据矩阵，那么随后的文本分类过程和英文文本分类相同，也就是随后的文本分类过程独立于语种。因此，当前的中文[作者简介]高淑琴，女，1968年生。馆员．从事图书馆数字信息资源建设研究。812008年第3期闺名．饪徂．加诹文本分类主要集中在如何利用中文本身的一些特征来更好地表示文本样本。国内对于文本自动分类的研究起步较晚，但从简单的查词典的方法，到后来的基于统计语言模型的分词方法，中文分词的技术已趋于成熟。1981年，侯汉清教授对计算机在文本分类工作中的应用作了探讨和阐述[3]。此后，我国陆续研究产生了一些文本分类系统，其中具有代表性的有上海交通大学研制的基于神经网络算法的中文自动分类系统，清华大学的自动分类系统等。同时在不同的分类算法方面也展开了广泛的研究和实现，中科院计算所的李晓黎、史忠植等人应用概念推理网进行文本分类[4]，召回率达到94．2％，准确率达到99．4％。中国科技大学的范众等人在KNN、贝叶斯和文档相似性研究的基础上提出了一个超文本协调分类器L5]，正确率接近80％，它的特点是适当的考虑了HTML文本中结构化信息。复旦大学和富士通研究中心的黄萱菁、吴立德等人研究了独立语种的文本分类K]，并以词汇和类别的互信息量为评分函数，考虑了单分类和多分类，最好的召回率为88．87％。 上海交通大学的刁倩、王永成等人结合词权重和分类算法进行分类曲]，基于VSM的封闭式测试实验中分类正确率达到97％。目前，一些比较成熟的经典的文本分类算法己经被应用到了Web文本分类中，主要包括：决策树方法(经典的决策树算法主要包括：ID3算法、C4．5算法和CART算法等)、神经网络方法(BP算法)、遗传算法(GABIL系统)、贝叶斯分类、K2近邻算法和基于案例的推理。 粗糙集方法、模糊集方法和支持向量机是较新的分类方法。1．3文本分类方法的新发展近年来，文本分类已成为众多领域研究者的热门研究课题，研究者们从不同的角度把越来越多的知识引入文本分类领域，推动着文本分类的不断发展，产生了许多新的方法。(1)基于群的分类方法(swarm-basedapproaches)。这种方法可以看作是进化计算的一个新的分支，它模拟了生物界中蚁群、鱼群和鸟群在觅食或者逃避敌人时的行为。纵观文献中对基于群的分类方法的研究，我们将这种方法分为两类：一类是蚁群算法或者蚁群优化(antcolonyoptimizationACO)，另一类称为ParticleSwarmoptimisers(PSO)。用蚁群优化来进行分类规则挖掘的算法称为Ant-Miner峥9。，AntMiner是将数据挖掘的概念和原理82与生物界中蚁群的行为结合起来形成的新算法。PsO是进化计算的一个新的分支，它模拟了鱼群或鸟群的行为。PS0将群中的个体称为Particles，整个群称为swarm。 在优化领域，PSO可以与遗传算法相媲美。对ACo或者PSo在数据挖掘中应用的研究仍处于早期阶段，要将这些方法用到实际的大规模数据挖掘中还需要做大量的研究工作。(2)基于模糊一粗糙集的文本分类模型。文本分类过程中由于同义词、多义词、近义词的存在导致许多类并不能完全划分开来，造成类之间的边界模糊。此外交叉学科的发展，使得类之间出现重叠，于是造成许多文本信息并非绝对属于某个类。 这两种情况均会导致分类有偏差，针对上述情形，文献[10]提出利用粗糙一模糊集理论结合KNN方法来处理在文本分类问题中出现的这些偏差。模糊一粗糙集[11’12]理论有机的结合了模糊集理论与粗糙集理论在处理不确定信息方面的能力。粗糙集理论体现了由于属性不足引起集合中对象间的不可区分性，即由于知识的粒度而导致的粗糙性而模糊集理论则对集合中子类边界的不清晰定义进行了模型化，反映了由于类别之间的重叠体现出的隶属边界的模糊性。它们处理的是两种不同类别的模糊和不确定性。 将两者结合起来的模糊一粗糙集理论能更好地处理不完全知识。(3)多分类器融合(fusion)的方法。实际应用的复杂性和数据的多样性往往使得单一的分类方法不够有效。因此学者们对多种分类方法的融合(fusion)进行了广泛的研究，取得了一系列研究成果。纵观文献中的研究，可以大致将多分类器的融合技术分为以下几类：投票机制(voting)、行为知识空间方法(Behavior-KnowIedgeSpaceBKS)、证据理论(Dempster-Shafertheory)、贝叶斯方法和遗传编程(geneticprogrammingGP)。 采用投票机制的方法主要有装袋(bagging[”])和推进(boostin一¨])。BuhlmannP．和YuB[151对bagging进行了深入的分析HothornT．andLausenB．在文献[16一17]中将bagging用于决策树，并在文献[18]中对bagging进行了发展，采用bootstrapaggregation来融合分类器。 而Schwenk和Bengio则将boosting用于神经网络，提出了AdaBoost方法【l9。 ，从而提高了神经网络的预测精度。文献[20]采用BKS进行分类器融合。文献[21]用证据理论将4个不同的分类方法(SVM，KNN，KNNModel-basedapproach和Rocchio)结合起来，形成融合的分类器。用贝叶斯方法进行分类器融合有两种情况：一种是有独立性假设高淑琴：web文本分类技术研究现状述评GaoSh曲in：ASurveyonWebTextClassific8tbn的贝叶斯方法‘2引，另一种是没有独立性假设的贝叶斯方法‘23m]。(4)基于RBF网络的文本分类模型。基于RBF网络的文本分类模型把监督方法和非监督方法相结合，通过两层映射关系对文本进行分类，首先利用非监督聚类方法根据文本本身的相似性聚出若干个簇，使得每个簇内部的相似性尽可能高而簇之间的相似性尽可能低，并由此产生第一层映射关系，即文本到簇的映射，然后通过监督学习方法构造出第二层映射关系，即簇集到目标类集合的映射[25。 然后为每一个簇定义一个相应的径向基函数(RadialBasisFunction，RBF)，并确定这些基函数的中心和宽度，利用这些径向基函数的线形组合来拟合训练文本，利用矩阵运算得到线性组合中的权值，在计算权值时，为了避免产生过度拟合的现象，采用了岭回归技术，即在代价函数中加入包含适当正规化参数的权值惩罚项，以保证网络输出函数具有一定平滑度。(5)潜在语义分类模型。潜在语义索引方法，已经被证明是对传统的向量空间技术的一种改良，可以达到消除词之间的相关性，化简文档向量的目的，然而LSI在降低维数的同时也会丢失一些关键信息。LSI基于文档的词信息来构建语义空间，得到的特征空间会保留原始文档矩阵中最主要的全局信息。但在某些情况下，一些对特定类别的正确分类非常重要的特征，因为放在全局下考虑显得不重要，而在维数约减的过程中被滤掉该情况对稀有类别尤为明显。而如果这样，稀有类的分类性能就肯定会受到影响。针对上述问题，在扩展LSI模型的基础上，文献[26]提出了一种新的文本分类模型：潜在语义分类模型(LatentSemanticClassification：Lsc)[27。2引。与I。 sI模型类似，文献[29]希望从原始文档空间中得到一个语义空间然而不同的是，通过第二类潜在变量的加入，把训练集文档的类别信息引人到了语义空间中。这样，就可以得到比LSI模型的语义空间更适合文本分类的语义空间。(6)K一近邻算法(K-NN)的新发展：K-NN是一种有效的分类方法，但是它有两个最大的缺陷：第一，由于要存储所有的训练实例，所以对大规模数据集进行分类是低效的第二，K-NN分类的效果在很大程度上依赖于k值选择的好坏。GongdeGuo和HuiWang等人[s¨13针对KNN的两个缺陷，提出了一种新颖的KNN类型的分类方法，称为基于KNN模型的分类方法。新方法构造数据集的KNN模型，以此代替原数据集作为分类的基础，而且新方法中k值根据不同的数据集自动选择，这样减少了对k值的依赖，提高了分类速度和精确度。实验证明，基于KNN模型的方法在分类精确度上与C5．o和标准的K-NN相当。另外，针对K-NN方法的第一个缺陷，NongYeandxiangyangLi将聚类方法和经典的K-NN方法结合起来，提出了一种新颖的分类方法，称为CCAS[3引。 CCA_S能够处理大规模数据集，可伸缩性好，并且支持增量式学习。但CCAS只能处理连续属性，而且只针对类别为两类的分类问题。如何扩展CCA．S，以使其能够处理多类别的问题，还有待进一步研究。文献[33]将遗传算法和KNN-Fuzzy方法[34]结合起来，用遗传算法来寻找最优的k值，从而优化KNN-Fuzzy方法，提高了分类精确度。文献、[35]基于模糊粗集理论提出了一种新的KNN分类方法，与传统的NN和fuzzyNN相比，新方法有更高的预测精度。 (7)支持向量机(SVM)方法的新发展：SVM是进行分类、聚类和时间序列分析的有效数据挖掘工具。 但是，由于SVM的训练时间会随着数据集的增大而增加，所以在处理大规模数据集时，SVM往往需要较长的训练时间。 而实际的数据挖掘应用往往包含了数以百万计的数据，这使得SVM很难发挥作用。针对这个问题，文献[3637]用选择性采样或者主动学习方法来训练SVM，它的基本思想是从整个训练数据集中选择一小部分最有代表性的数据来最大化学习效果。与主动学习思想类似的方法还有随机采样口8。3引。这两种方法都需要对数据集进行多遍扫描。与主动学习和随机采样不同，文献[40]将层次聚类用于SVM，以加快sVM对大规模数据的处理速度。文中所提出的新方法称为ClusteringBasedSVM(CBSVM)，C昏SVM用一个层次微聚类(hierarchicalmicroclustering)算法对整个数据集进行单遍扫描，为SVM提供带有整个数据集统计概要信息的高质量样本。 c出SVM对于大规模数据集有很好的伸缩性，而且有较高的分类精确度。另外，为了解决实际应用中数据集大小动态变化的问题，FungG．和MangasarianO．L[413提出了增量式SVM，新提出的方法用于二分类问题。文献[42]在文献[43]的基础上，提出了一种有效的基于内存的增量算法，以支持多分类问题。除了以上所归纳的几种新的方法之外，还有基于粒度计算的分类方法、基于投影寻踪回归的文本模型及一些正处于探索阶段的新方法。832008年第3期闺，窆．7{徂．乞^诹2web文本分类中的关键技术在对web文本进行分类的过程中，包括几个关键步骤：文本预处理、文本表示、特征降维、训练方法和分类算法，这些关键技术的研究和实现对最终的分类算法都有一定程度上的影响。2．1Web文本预处理web文本作为一种非结构化的数据类型，其特点表现为特征空间的高维性、文本特征表示向量的稀疏性及文本主题特征表现不突出等特点。与数据库和数据仓库中的结构化数据相比，Web文本具有有限的结构或者根本就没有结构。文本信息源的这些特征使得现有的数据挖掘技术无法直接应用于其上，因此需要对Web文本进行预处理，抽取其特征并用结构化的形式保存，作为文本的中间表示形式。文本预处理即去掉一些标记，例如HTML中的Tag，去除停用词、词根还原。对于中文文本而言，因为词与词之间没有明显的切分标志，所以需要分词。此外还需要进行词性标记、短语识别等。 汉语自动分词是机器翻译、文献标引、智能检索、自然语言理解与处理的基础，也是中文文本分类的一个关键的环节。自从20世纪80年代初自动分词被提出以来，有众多的专家和学者为之付出了不懈的努力，涌现了许多成功的汉语分词系统，主要有北京航空航天大学研制的CDWS和CWSS分词系统，分词速度为200字每秒“引。清华大学黄昌宁、马晏等开发的SEG系统，分词速度为258字每秒，正确率为99．3％[4引。东北大学姚天顺建立的基于规则的汉语分词系统南京大学王启祥等人实现的wSBN分词系统【4引。中科院计算所研制出的汉语词法分析系统ICTCLAS等等[47]。汉语自动分词系统的实现及效果依赖于分词理论与方法。 目前国内分词系统所采用的或者正在研究的方法基本上分为三类：基于字符串匹配的方法、基于理解的方法和基于统计的方法。2．2文本表示Web文档的内容是用自然语言描述的，计算机很难处理其语义，为了便于计算机的处理，所以必须将文本的内容特征转化为计算机可以处理的格式。目前文本的表示模型有多种：布尔逻辑型、向量空间型(VSM)、潜在语义索引模型、概率型以及混合型等。 向量空间模型是近几年来信息检索领域应用较广且效果比较好的模型。2．3特征降维训练文本和待分类文本经过分词并去除停用词84和高频词后，表示文本的向量空间和类别向量的维数也是相当大的，因此需要进行特征降维。 是否进行特征降维对文本分类的训练时间、分类准确性都有显著的影响，而且分类器的算法和实现的复杂度都随特征空间维数的增加而增加。 所以，特征集的降维操作是文本分类准确率和效率的关键。 特征选择(FeatureSelection)和特征抽取(FeatureExtraction)是特征降维中的主要方法。(1)特征选择(F切tureSelection)。特征选择就是从特征集T={tl'．“，t。)中选择一个真子集T’一(t10)，满足(s’ 由于自然语言中存在大量的多义词、同义词现象，特征集无法生成一个最优的特征空间对文本内容进行描述。特征抽取是将原始特征空间进行变换，重新生成一个维数更小、各维之间更独立的特征空间。常用的特征抽取方法可以分为三类：主成分分析、潜在语义标引、非负矩阵分解。2．4训练方法和分类算法Web文本分类是一个典型的有教师的机器学习问题，一般的可分为训练和分类两个阶段。其中训练算法的工作是对训练文档集合中每篇文本对应的词表进行统计，计算出类别向量矩阵同时进行归一化，最后保存训练得到的向量表，即得到了分类知识库分类算法(也可称为识别算法)则依据训练得到的分类知识库，并用一定的算法对待分类文本进行分类。高淑琴：web文本分类技术研究述评G∞Shuqin：ASurveyonWebTe)【tClassification3研究现状分析通过以上分析，我们可以看出Web文本分类技术存在以下几种发展趋势：一是新分类方法不断涌现，比如基于群的分类方法和基于粒度计算的分类方法。新分类方法出现得益于人工智能、机器学习、进化计算和粒度计算等领域中新技术的涌现和发展。二是传统分类方法的进一步发展，比如支持向量机的不断改进和KNN方法的发展。传统分类方法的发展主要利用了机器学习、进化计算、数据挖掘、模糊集和粗糙集等理论中的原理和方法。三是根据实际问题需要，有针对性地综合众多领域的技术，以提高分类的性能。 四是文本、语音和图像分类技术的融合，随着互联网和多媒体技术的进一步发展，文本分类技术将与图像识别、语音识别融合，比如图像文本的分类、语音文本的分类、多媒体数据库索引等。 目前国内对Web文本分类的研究还没有到达一个成熟的阶段，其中还存在一些有待进一步研究的问题：(1)分词是影响文本分类的重要因素之一，分词的速度和准确率与最终的分类结果密切相关。 尤其是Web上不断出现新词汇，对分词理论的创新和词典的构造都提出了较高的要求。就中文文档分类而言，分词是一项非常复杂的工作，分类系统一般都比较复杂和庞大，分词速度慢，且准确度不高，因此，研究无须词典支持、领域独立的文本分类系统无疑具有重要价值，这使得文档分类系统成为真正意义上的通用系统。 (2)目前还没有发现“最佳”的特征选择方法，针对中文Web文本分类的组织特点，需要结合特定的特征选择，因此在使用不同分类算法时如何选择最佳的特征选择方法也是我们需要深入研究的问题。 (3)由于中文文本分类起步晚和中文不同于英文的特性，目前中文Web文本分类还没有标准的开放的文本测试集，各研究者大多使用自己建立的文本集进行训练和测试，其分类结果没有可比性，不利于交流和提高。一般地，训练文档集应该是公认的经人工分类的语料库。国外文档研究都使用共同的测试文档库，这样就可以比较不同分类方法和系统的性能，而就中文文档分类而言，各研究者使用自己建立的训练文档库进行测试，测试结果没有可比性，这一现状应当引起国内文本处理研究者的重视。 (4)将自然语言理解和处理技术、语义Web概念、Agent技术和机器翻译等技术应用于Web自动文本分类中，进一步解决中文文本分类的难点，提高文本分类的智能化水平。 (5)目前存在多种成熟的文本分类算法，大部分分类系统都是应用某一种分类算法，分类性能受到制约。参考文献1王继成等．Web文本挖掘技术研究．计算机研究与发展。2000(5)2王本年等．Web智能研究现状与发展趋势．计算机研究与发展。2005(5)3侯汉清．分类法的发展趋势简论．北京：中国人民大学出版社，1981．4李晓黎等．概念推理网及其在文本分类中的应用．计算机研究与发展，2000(9)5，7，44张滨．中文文档分类技术研究．武汉大学硕士学位论文，2004．6黄萱菁，吴立德．独立于语种的文本分类方法．2000In-termtio眦lConferenceonMultilingualInformationProcessing，2000：37438ParpirleIliRS，LDpesHS，FreitasAA．DataMiningwithanAntColony0ptimizationAlgorithm．IEEETra粥．onEvolutionaryComputation，2002。specialissueonAntC0lonyalgorithms．9ParpinelliRS，LopesHS，FreitasAA．MiningComprehensibleRulesfromDatawithanAntColonyAlgo·rithm．In：BittencourtG，RamaIho．eds．SBlA2002．LNAI2507。2002．259-26910付雪峰，王明文．基于模糊一粗糙集的文本分类方法．2004年度全国搜索引擎和网上信息挖掘学术研讨会，华南理工大学学报(自然科学版)，2004。32：73761lYao，YY．AComparativeStudyofFuzzySetsandRoughsetS．Info彻atjonScienceS，1998，109(14)：22724212DuboisD，PradeH．PuttingRoughSetsandFuzzySetsTogether．IntelligentDecisionSupport：HandbookofApp“cationsandAdvancedoftheRoughSetTheory．Boston：SlowinskiRED，KluwerAcademicPublishers，1992。20322213BreimanL．Baggingpredictors．MachineLearIling，1996，24：123一14014SchapireF，FreundY，SchapireRE．Experimentswithanewboostingalgorithm．1n：MachineLearIling：Pro-ceedingsofthethirteenthInternationalCbnference。MorganKaufmann，1996．14815615BuhlmannP，YuB．A∞lyzingbagging．TheAnrmlsofStatistics，2002，30：92796l16HothornT，LausenB．Buildingclassifiersbybaggingtrees．Preprint，FriedrichAle】canderUniversityErlangen852008年第3期闺名．了{徂．珈减Nuremberg，URL．http：／／www．math传奇文章preprints．com／17HothornT，LausenB，BerulerA．eta1．Baggingsurvivaltrees，StatisticsinMedicine。2004，23：779118HothornT，LausenB．Double2baggirlg：Combiningclassifiersbybootstrapaggregation，PattefnRecognition，2003，36：1303一1309l9SchwenkH。BengioY．Boostingneuralnetwork8．NeuralComputation，2000，12(8)：1869188720HuangYS，SuenCY．AMethodofCombiningMultipleExpertsfortheRecognitionofUnconstrailledHandwrittenNumerals．IEEETransonPatternAnalysisandMacllineImelligence，1995。17(1)：90一942lBiYaxin，eta1．CombiningMultipleClassifiersUsingDempstefsRuleofCombinationforTextCategorization．In：MDAl2004，2004．127一13822XuL，KrzvzakA．SuenCY．SeveralMethodsforCombiningMultipleClassifiersandTheirApplicationsinHandwrittenCharacterRecognition．IEEETransonSystem，ManandCybernetics，1992，22(3)：41843523KangHJ，KimK，Kim传奇JH．0ptimalAppro】【imationofDiscreteProbabilityDistributionwithkth_20rderDe·pendencyandItsApplicationstoCombiningMultipleClassifiers．PRL，1997，18(6)：51552324KangHee-Joong，DoermannD．CombiningMultipleClassifiersBasedonThirdorderDependency．In：ProceedingsoftheSeventhInternationalConferenceonDocumentAnalysisandRecognition(ICDAR2003)．25王晓庆．基于RBF的文本自动分类的研究．南昌：江西师范大学计算机信息工程学院，2003．26。27，29曾雪强等．一种基于潜在语义结构的文本分类模型．2004年度全国搜索引擎和网上信息挖掘学术研讨会，华南理工大学学报(自然科学版)，2004，32：9910228WangM，NieJ。ALatentSemanticStructureModel壬orTextClassification．ACMSIGIR-2003，WorkshoDonMathematic／FormalMethodsinInfomationRetrieval，Toronto，CaIlada，2003．30GuoGongde，etaLKNNM0delBasedAppr0achinclassificatio儿In：G。0p1S／DO．A／ODBASE2003，2003．9869963lGuoGongde，eta1．AKNNModel-BasedApproachandItsApplicationinTextCat传奇egorization．In：CICLin92004，2004．55957032YeNong，LiXiangyang．Amachinelearningalgorithmbasedonsupervisedclusteringandclassification．In：LiuJ，etal，eds．AMT2001。LNCS2252，2001．32733433RosaLA，EbeckenNFF．DataminingfordataclassificationbasedontheKNN·Fuzzymethadsupportedbygeneticalgorithm．In：VECPARZ002，LNCS2565，2003．1261338634KellerJM，GrayMR，GiveIlSJAJr．AFuzzyK-NeareStNeighborAlgorithm．IEEETransactionsonSystems，ManandCybernetics，1985，SMC215(4)：25826035BianHY．FuzzyRoughNearestNeighborClassification：anIntegratedFramework．In：ProceedingsofIASrEDInterllatiomlSymposiumonArtificialintelligenceandApplications，2002．160-16436SchohnG，CohnD．Less：Activelearnjngwithsupportvectormachines．In：Proc．17thIntConf．MachineLea本游戏此点真好rn．ing，Stanford，CA，2000．37TongS．KollerD．Supportvectormachineactiveleamingwithapplicationstotextclassificatioll．In：Proc．17thIntConf．MachineLearning，Stanford，CA，2000．38BalczaroWJL，DaiY．Arandomsamplingtechniquefortrainingsupportvectofmachines．In：The2001lEEEIntConf．DataMining，SanJose，CA，2001．39LeeYJ，Mangasarian0L．RSVM：Reducedsupportvectormachines．FirstSIAMIntConfDataMining，Chicago，IL，2001．40YuHwanjo，YarlgJiong，HanJiawei．Class“yingLargeDataSetsUsirlgSVMswithHierarchicalClusters．SIGKDD，03，Washington，DC，USA，Aug．20真不错的网游03．4l，43FbngG，MangasarianOL．Incrementalsupportvectormachineclassificatio儿In：(抽ssnlanR，MamliIaH，MotwalliR，eds．ProceedingsoftheSecorKlSIAMInteⅡlatioflalConferenceonDataMirling，SLAM(2002)，2002．24726042TveitA，HetlandML．MulticategoryIncrementalProx-imalSupportVectorClassifiers．In：PaladeV，HowlettRJ，JainLC，eds．KES2003，LNAI2773，2003．3869245张治平．web信息精确获取技术研究．硕士学位论文，国防科学技术大学，2004．46罗强．基于粗糙集理论的知识发现在web文本挖掘上的应用研究．硕士学位论文．广西大学，2003．47张海燕．基于分词的中文文本自动分类研究与实现．硕士学位论文，湖南大学，2002．48DavidWAha，andRichardLBanken．Acomparativeevaluationofsequentialfeatureselectionalgorithms．In：Proceedingsofthe5thInternationalWorkshoponArtificialIntelligenceandStatistics，1995：1749RonKohavi．andGeorgeHJohn．Wrappersforfeaturesubsetselection．ArtificiaIIntelligenceJournal．SpecialIssueonRelevance，1997：27332450陈涛，谢阳群．文本分类中的特征降维方法综述．情报学报。2006(6)51schutzeH，HullDAandPedersenJ0．Acomparisonofclassifiersanddocumentrepresentationsfortheroutingproblem．In：Pmceedingsofthe18thACMIntemationalCbnferenceonResearchandDevelopmentinlnformationRecrieval(SIGIR295)．1995．229237(收稿日期：20071122)。 本文《Ｗｅｂ文本分类技术研究现状述评》 --- 作者： 高淑琴， Gao Shuqin |
| 下一篇：Ｗｉｋｉ在教育教学中应用的问题与路径 |
| 上一篇：Ｗｅｂ日志挖掘在校园网建设中的应用 |