第３ ４ 卷第１０ 期２０ １１年１０ 月合肥工业大学学报（ 自然科学版）Ｊ Ｏ Ｕ Ｒ Ｎ Ａ ＬＯ ＦＨ Ｅ Ｆ Ｅ ＩＵ Ｎ Ｉ Ｖ Ｅ Ｒ Ｓ Ｉ Ｔ ＹＯ ＦＴ Ｅ Ｃ Ｈ Ｎ Ｏ Ｉ Ｘ ） Ｇ ＹＤ ｏ ｉ： １０． ３９６９／ｊ． ｉｓｓｎ ． １００３—５０６０． ２０１１， １０ ． ０ １４基于语义关联的文本分类研究Ｖ ０ １． ３４ Ｎ ｏ ． １００ ｃ ｔ． ２ ０ １１张浩１～，谢飞３（ １． 合肥工业大学计算机与信息学院， 安徽合肥２３０ ０ ０ ９ ； ２． 皖南医学院基础医学部， 安徽芜湖２４ １０ ０ ０ ｌ ３． 合肥师范学院计算机科学与技术系， 安徽合肥２３０ ６ ０ １）摘要： 传统的文本表示是在向量空间模型的基础上， 采用特征选择方法降低文本的维数， 这种方法认为文本中词语是相互独立的， 没有考虑彼此之间的语义信息。 文章提出一种新的基于语义特征选择的文本分类方法， 在已有特征选择的基础上， 利用词语之间的语义关联性， 将那些与已选择的词语具有密切联系的词语加入词语特征空间。 实验表明， 该方法与已有的特征选择方法比较， 提高了文本分类的精度。关键词： 文本分类； 向量李问模型； 特征选择； 语义关联中图分类号： Ｔ Ｐ ３９ １文献标识码： Ａ文章编号： １００３—５０６０（ ２０１１）１０—１５０１－ ０４Ｔ ｅ ｘ ｔｃ ａ ｔｅ ｇ ｏ ｒ ｉｚ ａ ｔｉｏ ｎｂ ａ ｓｅ ｄ ｏ ｎ ｓｅ ｍ ａ ｎ ｔｉｃ ｒ ｅ ｌａ ｔｅ ｄ ｎ ｅ ｓｓＺ Ｈ Ａ Ｎ ＧＨ ａ ０ １” ． Ｘ ＩＥＦ ｅ ｉ３（ １． Ｓ ｃｈ ｏ ｏ ｌ ｏ ｆＣ ｏ ｍ ｐ ｕ ｔ ｅ ｒａ ｎ ｄ Ｉｎ ｆ ｏ ｒ ｍ ａ ｔｉｏ ｎ ． Ｈ ｅ ｆ ｅ ｉ Ｕ ｎ ｉｖ ｅ ｒ ｓｉｔｙｏ ｆＴ ｅ ｃ ｈ ｎ ｏ ｌｏ ｇ ｙ 。 Ｈ ｅ ｆ ｅ ｉ ２３０ ０ ０ ９ 。 Ｃ ｈ ｉｎ ａ ｔ ２ ． Ｄ ｅ ｐ ｔ． ｏ ｆＢ ａ ｓｉｃ Ｍ ｅ ｄ ｉｃ ｉｎ ｅ 。 Ｗ ａ ｎ ｎ ａ ｎＭ ｅ ｄ ｉｃ ａ ｌＣ ｏ ｌｌｅｇ ｅ， Ｗ ｕ ｈ ｕ２４１０ ０ ０ ， Ｃ ｈ ｉｎ ａ ； ３． Ｄ ｅｐ ｔ． ｏ ｆ Ｃ ｏ ｍ ｐ ｕ ｔｅ ｒＳ ｃ ｉｅ ｎ ｃ ｅａ ｎ ｄＴ ｅ ｃ ｈ ｎ ｏ ｌｏ ｇ ｙ ， Ｈ ｅ ｆ ｅ ｉＮ ｏ ｒ ｍ ａ ｌ Ｕ ｎ ｉｖ ｅｒ ｓｉｔｙ ， Ｈ ｅｆ ｅｉ２ ３ ０ ６ ０ １， Ｃ ｈ ｉｎ ａ ）Ａ ｂ ｓｔｒ ａ ｃ ｔ： Ｔ ｒ ａ ｄ ｉｔｉｏ ｎ ａ ｌｔ ｅ ｘ ｔｒ ｅ ｐ ｒ ｅ ｓｅ ｎ ｔａ ｔｉｏ ｎｉＳ ｂ ａ ｓｅ ｄ ｏ ｎ ｔｈ ｅ ｖ ｅ ｃ ｔ ｏ ｒｓｐ ａ ｃ ｅｍ ｏ ｄ ｅ ｌ ｔｈ ａ ｔ ｕ ｓ ｅ ｓ ｔｈ ｅ ｍ ｅ ｔｈ ｏ ｄ ｏ ｆｆ ｅ ａ ｔｕ ｒ ｅ ｓｅ ｌｅ ｃ ｔｉｏ ｎ ｔ ｏ ｒ ｅ ｄ ｕ ｃ ｅ ｔｈ ｅｄ ｉｍ ｅ ｎ ｓｉｏ ｎ ｏ ｆ ｔｈ ｅ ｆ ｅ ａ ｔｕ ｒ ｅｓｐ ａ ｃ ｅ ． Ｔ ｈ ｅｗ ｏ ｒ ｄ ｓ ｉｎ ｔｈ ｅ ｔ ｅ ｘ ｔ ａ ｒ ｅｃ ｏ ｎ ｓｉｄ ｅ ｒ ｅ ｄ ｔＯｂ ｅ ｍ ｕ ｔｕ ａ ｌｌｙ ｉｎ ｄ ｅ ｐ ｅ ｎ ｄ ｅ ｎ ｔｗ ｉｔｈ ｏ ｕ ｔ ａ ｎ ｙｓｅ ｍ ａ ｎ ｔｉｃ ｉｎ ｆ ｏ ｒ ｍ ａ ｔｉｏ ｎ ｂ ｅ ｔｗ ｅ ｅ ｎ ｔｈ ｅ ｍ ． Ｉｎ ｔｈ ｉｓｐ ａ ｐ ｅ ｒ ， ａｎ ｅ ｗｍ ｅ ｔｈ —ｏ ｄ ｏ ｆ ｔ ｅ ｘ ｔｃ ａ ｔｅ ｇ ｏ ｒ ｉｚ ａ ｔｉｏ ｎｉｓｐ ｒ ｏ ｐ ｏ ｓｅ ｄｂ ａ ｓｅ ｄ ｏ ｎ ｓｅ ｍ ａ ｎ ｔｉｃ ｆ ｅ ａ ｔｕ ｒ ｅ ｓｅ ｌｅ ｃ ｔｉｏ ｎ ． Ｂ ａ ｓｅ ｄｏ ｎｔｈ ｅ ｔｒ ａ ｄ ｉｔｉｏ ｎ ａ ｌ ｌｅａ —ｔ ｕ ｒ ｅ ｓｅ ｌｅ ｃ ｔｉｏ ｎ ａ ｎ ｄｃ ｏ ｎ ｓｉｄ ｅ ｒ ｉｎ ｇ ｔｈ ｅ ｓｅ ｍ ａ ｎ ｔｉｃ ｒ ｅ ｌａ ｔｅ ｄ ｎ ｅ ｓｓ ｂ ｅ ｔｗ ｅ ｅ ｎ ｔｈ ｅｗ ｏ ｒ ｄ ｓ， ｔｈ ｏ ｓｅ ｗ ｏ ｒ ｄ ｓ ｔｈ ａ ｔ ｈ ａ ｖ ｅｓｔ ｒ ｏ ｎ ｇｓｅ ｍ ａ ｎ ｔｉｃ ｒ ｅｌａ ｔｅｄ ｎ ｅｓｓ ｗ ｉｔｈ ｔｈ ｅｔｒ ａ ｄ ｉｔｉｏ ｎ ａ ｌｌｙｓｅ ｌｅ ｃ ｔｅ ｄ ｏ ｎ ｅ ｓ ａ ｒ ｅ ａ ｌｓｏ ａ ｄ ｄ ｅ ｄｉｎ ｔｏ ｔｈ ｅ ｆ ｅａ ｔｕ ｒｅｓｐ ａ ｃｅ ．Ｔ ｈ ｅｅ ｘ ｐ ｅ ｒ ｉｍ ｅ ｎ ｔａ ｌｒ ｅ ｓｕ ｌｔｓ ｓｈ ｏ ｗｔｈ ａ ｔｃ ｏ ｍ ｐ ａ ｒ ｅ ｄｗ ｉｔｈ ｔｈ ｅ ｔｒａ ｄ ｉｔｉｏ ｎ ａ ｌ ｍ ｅ ｔ ｈ ｏ ｄ ｓ ｏ ｆ ｆ ｅａ ｔｕ ｒｅ ｓｅｌｅｃｔｉｏ ｎ 。 ｔｈ ｅｐ ｒ ｏ ｐ ｏ ｓｅ ｄｍ ｅ ｔｈ ｏ ｄｉｎ ｔｈ ｅｐ ａ ｐ ｅ ｒ ｉｍ ｐ ｒ ｏ ｖ ｅ ｓ ｔｈ ｅｐ ｒ ｅ ｃ ｉｓｉｏ ｎｏ ｆ ｔ ｅ ｘ ｔｃａ ｔｅｇ ｏ ｒ ｉｚ ａ ｔｉｏ ｎ ．Ｋ ｅ ｙｗ ｏ ｒ ｄ ｓ： ｔｅ ｘ ｔｃ ａ ｔｅ ｇ ｏ ｒ ｉｚ ａ ｔｉｏ ｎ ； ｖ ｅ ｃ ｔｏ ｒ ｓｐ ａ ｃ ｅｍ ｏ ｄ ｅ ｌ； ｆ ｅ ａ ｔｕ ｒ ｅｓｅｌｅｃｔｉｏ ｎ ； ｓｅｍ ａ ｎ ｔｉｃｒ ｅ ｌａ ｔｅ ｄ ｎ ｅ ｓｓ０ 引目随着信息技术和互联网的飞速发展， 人们可以获得越来越多的电子信息资源； 但同时也需要投入更多的时间对这些信息进行组织和管理。 为了减轻这种负担， 人们开始研究采用计算机进行文本分类。 文本分类（ Ｔ ｅ ｘ ｔ Ｃ ａ ｔｅｇ ｏ ｒｉｚａ ｔ； ｏ ｎ ）就是在给定的分类体系下， 让计算机根据文本的内容确定与它相关联的类别。 文本分类是自然语言处理的一个重要的问题， 主要应用于信息检索、 自动文摘、 信息过滤、 邮件分类等。文本分类中一个重要的问题是特征选择， 通过特征选择减少文本的特征向量维数， 提高分类的效率和精度。 特征选择的基本思想是构造一个评价函数， 对特征集的每个特征进行评估， 选择类别区分能力强的特征构造特征集。 已有的一些特征选择方法（ 如互信息、 信息增益等）在构造特征评价函数时， 重点考虑词语与类别的关联性， 没有收稿日期： ２０１卜０１—１２基金项目： 安徽省高校自然科学研究基金资助项目（ Ｋ Ｊ２０ １０ ８ １６ ８ ）ｆ 安徽省高校优秀人才青年基金资助项目（ ２０ １０ Ｓ Ｑ Ｒ Ｌ ｌ４ ８ Ｉ２ ０ １０ Ｓ Ｑ Ｒ Ｌ ｌ４ ９ Ｚ Ｄ ）作者简介： 张浩（ １９ ７ ９ － － ）． 男， 安徽阜阳人。 合肥工业大学硕￡ 生， 皖南医学院讲师．万方数据
