面向航運(yùn)領(lǐng)域的文本分類系統(tǒng).pdf

1、目前世界上許多國(guó)家已開(kāi)始著手?jǐn)?shù)字文獻(xiàn)的整理與永久保存工作,研究和探討數(shù)字文獻(xiàn)的開(kāi)放獲取與共享、知識(shí)庫(kù)的領(lǐng)域?qū)I(yè)化和圖書(shū)館的數(shù)字化等數(shù)字資源建設(shè)問(wèn)題。在我國(guó)航運(yùn)信息文獻(xiàn)庫(kù)的建設(shè)和維護(hù)過(guò)程中,同樣面臨航運(yùn)專業(yè)文獻(xiàn)尤其是網(wǎng)絡(luò)文獻(xiàn)人工分類的精度低、時(shí)效性差和代價(jià)高等嚴(yán)重問(wèn)題,必須借助自動(dòng)分類技術(shù)加以解決。
　　 本文在描述文本自動(dòng)分類常用技術(shù)方法的基礎(chǔ)上,通過(guò)深入研究文本分類技術(shù)及相關(guān)算法,包括分詞、特征提取、訓(xùn)練、性能評(píng)估等幾個(gè)主要部

2、分內(nèi)容,針對(duì)航運(yùn)領(lǐng)域的文獻(xiàn)特點(diǎn),開(kāi)展了面向航運(yùn)領(lǐng)域文本分類系統(tǒng)的需求分析和總體設(shè)計(jì)。構(gòu)建了用于對(duì)航運(yùn)領(lǐng)域?qū)I(yè)文獻(xiàn)進(jìn)行文本分類所使用的語(yǔ)料庫(kù)以及必要的航運(yùn)專業(yè)文獻(xiàn)的分類體系,并完成了對(duì)語(yǔ)料庫(kù)中文本的預(yù)處理工作。進(jìn)而,在系統(tǒng)中采用五種文本分類方法,實(shí)現(xiàn)了對(duì)航運(yùn)領(lǐng)域?qū)I(yè)文獻(xiàn)大規(guī)模真實(shí)文本的文本自動(dòng)分類工作,并進(jìn)行了實(shí)驗(yàn)驗(yàn)證和結(jié)果分析。分類中實(shí)現(xiàn)的算法包括最鄰近、樸素貝葉斯、支持向量機(jī)、決策樹(shù)和類中心分類五種常用的文本分類方法。通過(guò)列舉大量的實(shí)