期刊文献+

浅谈基于数据挖掘文档分类方法研究

Simple Research on the Methods of Documents Classification Based on Data Mining
下载PDF
导出
摘要 文档进行分类可以较好地解决网上信息杂乱的问题,而且方便用户准确定位所需的信息,有效地提高信息服务的质量。目前对文档进行分类的技术包括基于文档内容的分类方法和基于文档性质的分类方法。利用数据挖掘中的聚类分析对文档分类方法进行研究。 The classification of documents can solve the problem of online information clutter,and it's convenient for users to accurate position information and effectively improve the quality of information services.Current including classified documents content-based document classification and categorization based on document properties.Uses data mining classification clustering analysis to study the document.
出处 《现代计算机》 2010年第6X期16-17,21,共3页 Modern Computer
关键词 数据挖掘 文档分类 聚类分析 Data Mining Document Classification Cluster Analysis
  • 相关文献

参考文献2

二级参考文献9

  • 1Yang Yiming,Pederson J O.A Comparative Study on Feature Selection in Text Categorization [A].Proceedings of the 14th International Conference on Machine learning[C].Nashville:Morgan Kaufmann,1997:412-420.
  • 2Y.Yang.Noise reduction in a statistical approach to text categorization[A].Proceedings of the 18th Ann Int ACM SIGIR Conference on Research and Development in Information Retrieval(SIGIR95)[C].Seattle:ACM Press,1995:256-263.
  • 3Thorsten Joachims,Text Categorization with Support Vector Machines:Learning with Many Relevant Features[A],In:European Conferrence on Machine Learning (ECML)[C].Berlin:Springer,1998,137-142.
  • 4TomMMitchell.机器学习[M].北京:机械工业出版社,2003.263-276.
  • 5Mlademnic,D.,Grobelnik,M.Feature Selection for unbalanced class distribution and Nave Bayees[A].Proceedings of the Sixteenth International Conference on Machine Learning[C].Bled:Morgan Kaufmann,1999:258-267.
  • 6梁久祯 兰东俊 扈旻.基于先验知识的网页特征压缩与线性分类器设计[A]..第十二届全国神经计算学术大会论文集[C].北京:人民邮电出版社,2002.494-501.
  • 7王梦云,曹素青.基于字频向量的中文文本自动分类系统[J].情报学报,2000,19(6):644-649. 被引量:17
  • 8范焱,郑诚,王清毅,蔡庆生,刘洁.用Naive Bayes方法协调分类Web网页[J].软件学报,2001,12(9):1386-1392. 被引量:53
  • 9刘斌,黄铁军,程军,高文.一种新的基于统计的自动文本分类方法[J].中文信息学报,2002,16(6):18-24. 被引量:48

共引文献167

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部