基于《知网》的多种类型文献混合自动分类研究

摘要：

[目的]解决由于不同类型文献而产生的特征不匹配等问题,提高待分类文本的分类效果.[方法]使用与待分类文本属于不同文献类型的文本作为语料库的训练集,引入第三方资源《知网》进行语义特征扩展.[结果]利用该方法在网页、图书、非学术性期刊、学术性期刊4种类型文献上进行分类实验,与未经过扩展的分类方法相比,分类准确率提高1.2％至11.0％.[局限]未对每一种文献类型都使用公开语料进行测试,因此本文方法的通用性和实验结果的客观性有待进一步检验.[结论]实验结果表明,该方法具有一定的可行性和实用性,在不同程度上可以消除不同类型文献之间的语义差异,从语料库构建和特征扩展两个途径提高文本自动分类的分类效果.

关键词：第三方资源、知网、特征扩展、语义差异

分类号：TP393;G35(计算技术、计算机技术)

资助基金：本文系国家社会科学基金项目“多种类型文本数字资源自动分类研究”项目编号:15BTQ066的研究成果之一.

在线出版日期：2016-04-14（万方平台首次上网日期，不代表论文的发表时间）

页码：59-66