如何实现中文文献的自动聚合分类

　　一是基于规则的方法，一般由知识库和推理机两大基础部分组成。知识库储存了从专家那里获得的关于某领域的专门知识，推理机具有推理的能力，即根据知识推导出结论，而不仅仅是简单搜索现成的答案。由于需要由知识工程师手工编制大量的推理规则，因此其开发费用是相当昂贵的。 数据挖掘研究院

　　二是基于数据的机器学习方法，研究从观测样本出发，寻找规律（即利用一些做好标识的训练数据自动地构造分类器），利用这些对未来样本进行预测。现有机器学习的重要理论基础之一是统计学。传统统计学研究的是样本数目趋于无穷大时的渐近理论，现有学习方法也多是基于大数定律的结论。由于基于相对简单的机制，以及实际环境中所表现出来的良好性能，而为大部分文本自动分类系统所采用。 数据挖掘研究院

　　另外，按照有无训练集，自动分类方法还可以分为归类和聚类：在文本分类过程中，文本的类别可以是预先给定的，也可以是不确定的。前者对应自动分类中的自动归类，后者对应自动分类中的自动聚类。自动归类是分析被分类对象的特征，并与各种类别中对象所具有的共同特征（或一定的分类标准、分类参数）进行比较，然后将对象化归为特征最接近的一类（或最符合标准参数的一类），并赋予相应的分类号。实际上，手工分类一般根据历史的经验先定了类，于是一般分类的问题就蜕化成了归类的问题。自动聚类是从待分类对象中提出特征，然后将提出的全部特征进行比较，再根据一定的原则或需要（如类别数目的规定，或同类对象的相似或接近程度），将具有相同或相近特征的对象定义为一类，并设法使各类中包含的对象大致相等。 数据挖掘实验室

2.如何对现有的分类及自动分类系统进行评价？

数据挖掘研究院

　　随着信息时代的来临，特别是因特网对人们生活的全面介入，信息爆炸的现实使人们越来越注重对自动分类的研究，目前，已经提出了许多理论上较为优秀的分类算法，例如支持向量机、向量空间模型、BAYES方法和决策树方法等，并已经有许多模型系统被开发出来。 数据挖掘实验室

表1和表2是国内个已经开发的部分系统。

数据挖掘研究院

表1：国外近年来开发的自动分类系统

  数据挖掘实验室

表2 国内一些自动分类系统

数据挖掘研究院

Table 1-1 Some assistant and automatic classification systems

数据挖掘研究院

完成时间 数据挖掘研究院	研制人 数据挖掘研究院	单位 数据挖掘研究院	类型 数据挖掘实验室	主要技术特点 数据挖掘研究院
1986 数据挖掘研究院	朱兰娟，王永成 数据挖掘实验室	上海交通大学计算机系 数据挖掘实验室	自动归类系统 数据挖掘研究院	类主题词表，检索类主题词累计其类归属度，据Bayes最小损失原则确定分类 数据挖掘研究院
1995 数据挖掘研究院	苏新宁等 数据挖掘研究院	南京大学 数据挖掘研究院	自动归类系统 数据挖掘实验室	主题词与类号关系表，确定权重系数，分类前控词典，停用词表 数据挖掘研究院
1995 数据挖掘研究院	吴军 数据挖掘研究院	清华大学电子工程系 [数据挖掘研究院] [数据挖掘论坛] [数据挖掘实验室] 0 顶一下 上一篇：信息检索的核心支撑技术 下一篇：清华信息检索在TREC评测中再创佳绩 最新评论共有 0 位网友发表了评论 查看所有评论 发表评论 评论内容：不能超过250字，需审核，请自觉遵守互联网相关政策法规。 匿名? 热点关注 信息检索的核心支撑技术 信息检索研究人员推荐读物 清华信息检索在TREC评测中再创佳绩 如何实现中文文献的自动聚合分类 Resources for Text, Speech and Language 中创软件Infor中间件助力税收信息化 基于WordNet的文本分类技术研究和实现 字符串匹配的KMP算法 中文信息处理——纵览与建议 Boyer Moore 算法 相关文章 使用solr搭建你的全文检索 信息检索权威资料收集 通过演示学习 Artificial Intelligence as Smart as Huma Announcing sixearch.org Workshop on novel methodologies for eval 2nd CFP: Social Linking Track at Hyperte ECIR 2008 - call for participation 沉痛悼念石青云院士 中创软件Infor中间件助力税收信息化 关于我们 - 联系方式 - 版权申明 - 友情链接 - 交流空间 - 同徽科技 增值电信业务经营许可证编号：皖B2-20040042 文网文编号：[2005]027号