多类多标签汉语文本自动分类的研究

本文提出了一种高效的汉语文本分类方法,并在实验中收到了良好的效果.由于汉语文本的特殊性,在训练前对训练文本进行自动分词和降维预处理.许多文本往往可能归到多个类,分类算法采用改进的Boosting算法.实验表明,在多类多标签的汉语文本特征提取和文档分类中,该算法收敛快、准确性高、综合效果较好.

BOOSTING算法在多类多标签文本分类中的应用

随着因特网的迅猛发展,如何快捷、准确地识别和获取有用信息显得越来越重要。文本自动分类系统是信息处理的重要研究方向,它是指在给定的分类体系下,根据文本的内容自动判别文本类别的过程。由于一个文本可能属于多个不同的类别,本文应用BOOSTING算法设计实现了一种多类多标签文本分类方法,并着重对迭代次数和判定阈值的选择进行研究。实验表明,该分类器对多类多标签的文本分类是有效的。