基于K-近邻方法的科技文献分类被引量：6

Academic Text Classification Based on K-Nearest Neighbor Method

下载PDF

导出

摘要本文提出了一种在小样本数据下、无需分词处理的科技文献分类器建造方法.分析了科技文献的特点,提出了抽取科技文献的关键词作为分类特征词条,以文献的标题、关键词和摘要作为文档主题信息进行词频统计分析建立分类器.最后分别进行了基于最近邻决策和K-邻近决策的分类效果实验研究,实验证明基于欧氏距离相似性测度和基于余弦相似性测度的文本分类效果并不存在显著的差别,K-邻近决策的分类效果要优于最近邻决策的分类效果.

作者鲍文胡清华于达仁

机构地区哈尔滨工业大学

出处《情报学报》 CSSCI 北大核心 2003年第4期451-456,共6页 Journal of the China Society for Scientific and Technical Information

关键词科技文献文献分类关键词词频统计最近邻决策 K-邻近决策相似性测度文本分类

分类号 G254.1 [文化科学—图书馆学]

引文网络
相关文献

参考文献4

1邹涛,王继成,张福炎.基于WWW的资料搜集系统的设计与实现[J].情报学报,1999,18(3):195-201. 被引量：32
2Dasigi, Venu, Mann, Reinhold C. , Protopopescu, Vladimir A..Information fusion fox text classification--an experimental comparison. Pattern Recognition. 2001,34 (12) : 2413 - 2425.
3Tan, Chade-Meng, Wang, Yuan-Fang, Lee, Chan-Do. The use of bigrams to enhance text categorization. Information Processing and Management, 2002,38 (4) : 529 - 546.
4Fuketa, Masao, Lee, Sangkon, Tsuji, Takako, Okada, Makoto,Aoe,Jun-ichi. A document classification method by using field association words. Information Sciences, 2000,126 (1-4) : 57 - 70.

二级参考文献2

1吴立德，大规模中文文本处理，1997年
2G Salton，Commun ACM，1975年，1卷，18期，613页

共引文献31

1赵燕平,朱东华.科技信息的网络动态监测和信息自动获取技术研究[J].科学学研究,2003,21(z1):230-237. 被引量：6
2宋聚平,王永成.搜索引擎中的信息存储技术[J].计算机工程,2000,26(S1):716-720.
3罗小玲.网络学术信息资源的检索方法[J].现代图书情报技术,2003(S1):73-74. 被引量：2
4周海淞,朱茵,陆化普.支撑交通管理综合信息平台的信息挖掘模型[J].交通运输工程与信息学报,2005,3(2):27-33. 被引量：2
5李智辉,卢苇.Web文本主题挖掘技术研究[J].计算机教育,2005(11):34-36. 被引量：2
6黎琳,赵英.Web内容挖掘在数字图书馆中的应用[J].图书馆学研究,2006(2):19-21. 被引量：9
7虞建华.粤北山区翻腾水泥巨龙 “英德现象”惊骇业内人士[J].中国建材,2006(5):24-25.
8郑新立,徐云青,骆昌日.LSI模型在信息检索中的应用[J].计算机技术与发展,2006,16(10):160-162. 被引量：1
9刘璐,李先国.基于用户的Web元搜索引擎调度改进[J].微型电脑应用,2006,22(11):48-50.
10张宗平,李海雁.基于XML的Web信息提取技术研究[J].现代计算机,2007,13(8):29-30. 被引量：1

同被引文献50

1侯汉清 ,章成志 ,郑红 .Web概念挖掘中标引源加权方案初探[J].情报学报,2005,24(1):87-92. 被引量：32
2姚力群,陶卿.局部线性与One-Class结合的科技文本分类方法[J].计算机研究与发展,2005,42(11):1862-1869. 被引量：4
3温有奎,温浩,徐端颐,潘龙法.基于知识元的文本知识标引[J].情报学报,2006,25(3):282-288. 被引量：67
4白小明,邱桃荣.基于SVM和KNN算法的科技文献自动分类研究[J].微计算机信息,2006(12X):275-276. 被引量：11
5化柏林.图书情报学核心期刊论文标题计量分析研究[J].情报学报,2007,26(3):391-398. 被引量：16
6董振东董强.知网[EB／OL].http://www.keenage.com,2002.
7Joachims T. A probabilistic analysis of the Rocchio algorithm with TFIDF for text categorization[A]. In: Proc. of ICML-97, 14th International Conf. on machine Learning[C].Nashville, USA: [s. n. ], 1997. 143 - 151.
8Thorsten Joachims. Text categorization with support vector ma-chines: learning with many relevant features. Proceedings of ECML-98, lOth European Conference on Machine Learning.
9Ziarko W.. A variable precision rough set model. Journal of Computer and System Sciences, 1993, 46: 39- 59.
10Malcolm Beynon. Reducts within the variable precision rough sets model: A further investigation. European Journal of Operational Research,2001,134:592 - 605.

引证文献6

1吴志峰,田学东.基于概念的文本分类中的人名、地名处理研究[J].微机发展,2005,15(3):11-13.
2胡清华,谢宗霞,于达仁.基于粗糙集加权的文本分类方法研究[J].情报学报,2005,24(1):59-63. 被引量：11
3汪胜阳.试论形式概念分析在软件工程中的应用[J].计算机光盘软件与应用,2013,16(1):243-243. 被引量：1
4胡昌平,林鑫,陈果.科技文献副主题词抽取及其在分面检索中的应用[J].情报学报,2014,33(8):837-845. 被引量：8
5牛玉霞.基于Android平台软件开发方法的探究[J].电子制作,2013,21(22):55-55. 被引量：3
6董微,赵捷.基于密度分布单类支持向量机的科技文献分类研究[J].情报工程,2018,4(3):67-72. 被引量：2

二级引证文献25

1降惠.概念格理论研究进展与发展综述[J].办公自动化,2019,24(9):18-21.
2孟海涛,陈笑蓉.基于模糊相似度的科技文献软聚类算法[J].贵州大学学报（自然科学版）,2007,24(2):175-178. 被引量：9
3吴迪,张亚平,殷福亮,李明.基于类别分布差异和VPRS特征选择的文本分类方法[J].电子与信息学报,2007,29(12):2880-2884. 被引量：5
4康进峰,王国营,梁春迎,谭晓贞.用于色情网页过滤中的KNN算法改进[J].计算机安全,2009(9):17-19. 被引量：1
5张岐龙,单甘霖,段修生,刘谊露.基于特征空间中类别可分性判据的特征选择[J].火力与指挥控制,2010,35(6):118-120. 被引量：5
6徐欣,黄理灿,赵玉虹.基于粗糙集特征加权的文本分类[J].浙江理工大学学报（自然科学版）,2011,28(4):544-548. 被引量：1
7奉国和,吴敬学.KNN分类算法改进研究进展[J].图书情报工作,2012,56(21):97-100. 被引量：30
8王勋,裴志利,王庆虎.基于粗糙集和特征位置重要度的特征加权方法[J].内蒙古民族大学学报（自然科学版）,2013,28(2):150-153.
9赵利萍,刘文军.基于粗糙集与模糊集理论的图书馆最优购书算法[J].经济数学,2013,30(3):18-21.
10张瑾.基于改进BP网络的中文期刊论文分类方法[J].河南图书馆学刊,2014,34(5):61-63. 被引量：1

1吴稌年.2000-2004年中国图书馆事业热点分析[J].新世纪图书馆,2006(1):25-26. 被引量：5
2邱均平,谭春辉,文庭孝.2004年国内外情报学研究重点及其演进[J].图书馆论坛,2005,25(6):71-76. 被引量：49
3谭春辉,曾娟.基于四类数据源的国内图书馆学2015年研究动态可视化分析[J].图书馆学研究,2016(22):9-18. 被引量：1
4谭春辉,桑静,麻晓杰.基于四类数据源的国内图书馆学2012年研究重点回顾与展望[J].图书馆建设,2014(4):1-5. 被引量：1
5杨利军,张良友.期刊共被引相似性测度问题的实证研究[J].图书情报工作,2010,54(18):139-144. 被引量：8
6邱均平,谭春辉,任全娥.基于四类数据源的情报学发展动向之计量分析——国内情报学研究重点2005年度回顾与展望[J].情报学报,2007,26(5):677-683. 被引量：13
7楚彬彬.国内知识组织研究热点浅析[J].图书情报工作,2008,52(S2):260-262. 被引量：1
8王倩飞,宋国建,苏学,吕少妮,田永晓,朱启贞.关键词词频分析透视2003～2007年情报学领域研究热点[J].情报探索,2009(8):33-34. 被引量：8
9谭春辉,程凡.基于五类数据源的情报学发展动向之计量可视化分析——国内情报学研究重点2012年度回顾与展望[J].情报科学,2015,33(11):117-123. 被引量：3
10龚雪竹.公共图书馆和高校图书馆微博的比较分析[J].大学图书馆学报,2014,32(6):78-82. 被引量：19

情报学报

2003年第4期

浏览历史

内容加载中请稍等...

基于K-近邻方法的科技文献分类被引量：6

参考文献4

二级参考文献2

共引文献31

同被引文献50

引证文献6

二级引证文献25

相关作者

相关机构

相关主题

浏览历史

基于K-近邻方法的科技文献分类 被引量：6

参考文献4

二级参考文献2

共引文献31

同被引文献50

引证文献6

二级引证文献25

相关作者

相关机构

相关主题

浏览历史

基于K-近邻方法的科技文献分类被引量：6