文本自动分类中的动态类别扩展研究

提出基于粗糙集理论的动态类别扩展算法,可以根据新文献与已有训练规则的匹配程度,有效地进行新类别的自动扩展和新分类规则的自动生成,从而屏蔽训练集和分类规则的更新等问题。

粗糙集理论在模式匹配算法中的应用

应用粗糙集进行文本自动分类需要解决的一个核心问题是规则匹配问题。随着文本信息不断地增多,在文本分类系统中,通常忽视训练集的相对固定特性与新文献不断变化之间的矛盾。系统中新文献的快速加入,原有训练出来的分类规则与新文献的匹配能力和分类准确率会变得越来越低,有的新文献在分类规则中根本找不到匹配规则,本文针对上述问题通过研究一种动态类别扩展方法,提出了一种新的模式匹配规则算法。