摘要
用计算机信息处理技术实现文本自动分类是计算机自然语言理解学科共同关注的课题。该文提出了一种基于Bigram的无词典的中文文本特征词的抽取方法,并利用互信息概念对得到的特征词进行处理,提高了特征词抽取的准确性。此外,通过采用基于统计学习原理和结构风险最小原则的支持向量机算法对一些文本进行了分类,验证了由所提出的算法得到的特征词的有效性和可行性。
Automatic text category is a common topic in computational linguistcs.ln this paper,based on Bigram,we propose a dictionary-free Chinese words acquisition method.Moreover.we increase the accuracy of the lexical acquisition through the mutual-information theory.ln addition,we validate the words effection through SVM algorithm to classify the texts.
出处
《计算机工程与应用》
CSCD
北大核心
2005年第22期177-179,210,共4页
Computer Engineering and Applications
关键词
自动文本分类
自动分词
互信息
Bigram
automatic text category,automatic word acquisition,mutual information,Bigram