基于特征隶属度的文本分类相似性度量方法

摘要：

基于相似性进行文本分类是当前流行的文本处理方法.基于特征隶属度的文本分类相似性度量方法旨在利用特征与文档间的隶属关系度量文档相似性,从而实现文本分类.该方法基于特征与文档的隶属关系,对特征进行全隶属、偏隶属和无隶属词集划分,并基于3种隶属词集定义隶属度函数.全隶属词集隶属于两篇文档,隶属度随权差增大而降低;偏隶属词集仅隶属于其中某一篇文档,隶属度为一个定值;无隶属词集与两篇文档无隶属关系,隶属度为零.在度量相似性时,偏隶属关系高于全隶属关系.由于同类文档词集相近,异类文档词集差异明显,因此,基于特征与文档的隶属度进行相似性度量,可清晰界定词集与类别的隶属关系,提升分类精度.最后,采用数据集20-New-groups和Reuters-21578对分类有效性进行验证,结果表明基于特征隶属度的相似性度量方法的性能优于目前流行的相似性度量方法.

关键词：数据挖掘、文本分类、相似性度量、隶属度

所属期刊栏目：44

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学资金项目71271067;国家社科基金重大项目13&ZD091;河北省高等学校科学技术研究项目QN2014196;河北师范大学硕士基金xj2015003

在线出版日期：2017-12-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：289-296