文件名称：论文研究-WCBVSM与SACA结合的文本分类模型.pdf
文件大小：560KB
文件格式：PDF
更新时间：2022-09-30 19:38:13
论文研究
给出了一个词共现改进的向量空间模型（Word Co-Occurrence Mode Based On VSM，WCBVSM）与模拟退火交叉覆盖算法（Cross Cover Algorithm Based On Simulated Annealing Algorithm，SACA）相结合的文本分类新模型。传统的向量空间模型（VSM）采用词条作为文档的语义载体，没有考虑文本上下文词语之间的语义隐含信息，在词共现模型的启发下，提出WCBVSM，它通过统计文本中的词共现信息，加入VSM，以获得文档隐含的语义信息。针对交叉覆盖算法中识别精度与泛化能力之间的一对矛盾，结合模拟退火算法的思想，提出了SACA，改进了传统交叉覆盖在覆盖初始点选取时的随机性，并通过增加每个覆盖所包含的样本点来减少覆盖数，从而增强了覆盖的泛化能力。实验结果表明提出的文本分类新模型在加快识别速度的基础上，提高了分类的精度。