基于概念的文本结构分析方法

文本结构分析是文本处理领域中的重要内容，它可以有效地改进文本摘要、文本检索以及文本过滤的精度．文中简要描述了文本的物理结构和逻辑结构以及文本分析的背景，提出了文本结构分析中的层次分析方法．该方法保证了层次划分的有序性，可操作性强，便于解释，不依赖于具体领域．其基本思想是对于输入文本，首先识别出文本的物理结构；然后在概念映射、概念密度和概念消歧的基础上，将文本依据主题划分为若干层次；最终获得文本的逻辑结构．

一种概念空间自生成方法

文章提出一种自动生成概念空间的方法。首先通过SOM神经网络,对文本进行聚类,之后从结果中提取反映各类文本内容的概念,用于标注文本的类别,再通过模糊聚类进行概念自动抽象与归纳形成概念空间,用于文本的管理。SOM本身是无监督的学习方式,在设定好参数后,经过训练自动生成文本空间与概念空间的映射图。相关试验和结果表明概念空间对文本有很好的分类管理功能,便于文本检索。

基于概念空间的文本语义索引

1 引言据统计,在现今的联机存储信息中,80%以上的信息以文本的形式存在.信息的多元化、复杂化,致使信息的自动索引成为急需解决的问题.本文研究的内容是建立一个基于概念空间的文本语义索引.

集成概念空间与潜在语义索引的文本聚类检索研究

信息环境的异构性、动态性与海量性使传统基于自然文本的信息检索方法与技术面临极大挑战,集成概念空间理论与潜在语义索引技术能为这种困境提供一些解决方案。在分析概念空间内涵与特征的基础上,利用潜在语义索引原理讨论了概念提取方法、同义词近义词处理方法及基准向量的生成方法,分析了网络条件下基于概念空间的文本分类、聚类检索基本机制,最后给出了完善概念空间的自学习机制。

基于概念空间的文本分类研究

Following the expanding of VSM and LSI, a text classification based on Concept Space is proposed in thispaper. Information gaining is applied to acquire concepts based on large training set. Concept Space is built by acquir-ing latent semantic indexing data, building a latent semantic space by LSI, and then adding the class-basis vector. Thecalculating method of the word-similarity, the text-similarity, the similarity of the text vector and the class-basis vec-tor in Concept Space are presented. Experiment results show the Concept Space method is superior to Vector SpaceModel. This paper also discusses the future work the problem of concept space learning.