基于类别核心词的朴素贝叶斯中文文本分类

摘要及关键词中提取类别核心词，通过加权方式，强化它们在文本分类中的作用. 基于朴素贝叶斯分类方法的实验表明，提出的方法能够有效提高中文文本的分类准确率.     

基于尺度特征的手机拍摄打印数字序列分割

针对手机拍摄图像中普遍存在几何失真、光照不均和噪声等现象,提出了一种基于数字尺度特征的数字序列分割算法NSFS.该方法首先对数字序列图像进行预处理,消除噪声和残留表格线;然后,提取包含数字序列的最小矩形,利用数字尺度特征,对包含数字序列最小矩形的每个连通分量进行数字分割.此算法实现简单,适用于不同数据表格、不同字体和格式的数字序列.目前业界仍没有合适的图像库,为验证算法的性能,搭建了一个基于不同品牌手机拍摄的不同表格的图像库.基于此数据库的实验表明,基于数字尺度特征的数字序列分割算法达到了96％以上的正确分割率.     

一种基于类别核心词的概念映射方法

由于同义词和多义词的存在,使得基于特征词的文本分类方法分类精度不高.近几年,基于概念的文本分类方法得到人们的重视.在此提出一种基于类别核心词的概念映射方法,首先从文本中抽取类别核心词,借助<知网>将特征词映射到基于类别核心词的概念空间,然后在概念空间上完成文本分类工作.实验结果表明,基于类别核心词的概念映射方法及相应的基于概念的文本分类能够有效提高文本分类的精度.     

一种改进的特征选取方法

从人工分类的角度看,标题、摘要及关键词中的词条对于文本分类具有更重要的作用,在特征选取中低DF值的词条可能更能代表文本的类别信息。针对以上两个问题,本文提出了基于类别核心词的特征选取方法。首先,从标题、摘要及关键词中提取类别核心词;然后。通过加权方式,强化它们在特征选取中的作用;最后在朴素贝叶斯分类方法上进行实验。实验结果表明,提出的方法能够有效提高中文文本的分类准确率。