研究论文 基于特征项扩展的中文文本分类方法

文本情感倾向分类 把文本中的情感信息通过统计方法提取出来

对于自然语言处理问题，短文本分类仍然是研究的热点，在特征稀疏，高维文本数据和特征表示方面存在明显问题。 为了直接表达文本，提出了一种简单而又新颖的变体，它采用单维度低维度。 本文提出了一种基于Dens

基于粗糙集的文本分类研究，徐欣，黄理灿，文本分类是信息检索和数据挖掘等领域的研究热点。在现有的一些文本分类方法中，文本都是基于向量空间模型表示的，所形成的特征空

文档介绍了文本分类中基于关联规则的分类研究，在舆情监控中有很重要的研究意义。

提出了一种基于概念网络和主题概念树的文本分类算法。该算法可以根据关联度传播模型对未知文本中的一些概念进行一定程度上的语义复合。

首先对文本提取特征向量，再利用词语相似度求出文本特征子集，由支持向量机进行文本分类，实现了一个中文文本自动分类系统，并对该系统进行了针对SVM大规模真实文本的试验测试。试验表明，该方法的系统的招回率较

解码器是统计机器翻译研究的关键部分。在基于短语的统计机器翻译的基础上,结合对数线性模型的思想加入多个特征模型,研究了一种动态规划的柱搜索解码算法。详细介绍此算法在解码器中的具体实现,并对翻译速度和精度

基于文本分类的信息检索模型，丁志刚，王小捷，本文探索了如何利用信息文本分类对检索系统结果进行改善。首先，根据特定的分类集分别对待检索文档和检索条件进行数据建模；讨论

Bagging算法在中文文本分类中的应用

摘　要: 文本分类是指在给定分类体系下, 根据文本的内容 自动确定文本类别的过程。该文阐述了一个基于向量空间模 型的中文文本分类系统的设计和实现。对文本分类系统的系 统结构、预处理、特征提取、训练算法