-
题名基于扩展概念格模型的文本分类规则提取的研究
被引量：3
- 1
-
-
作者
周顽
周才学
-
机构
九江学院信息科学与技术学院．江西九江
-
出处
《计算机工程与科学》
CSCD
北大核心
2010年第8期98-100,103,共4页
-
文摘
文本分类是信息检索与数据挖掘领域的研究热点与核心技术,近年来得到了广泛的关注和快速的发展。概念格是规则提取和数据分析的有效工具,然而概念格的构造效率始终是概念格应用的一大难题。本文研究了基于扩展概念格模型的文本分类规则提取,利用粗糙集和扩展概念格模型来进行分类规则提取。该方法利用概念树,极大地除去了冗余的概念,只需要建造很少的概念就能够提取出全部的分类规则,不仅效率较高,而且同时提取的分类规则与概念格相同。本文算法在MATLAB7.0的环境中运行的实验表明,查全率比KNN算法和SVM算法稍低,但是查准率比它们都高,因此该分类规则用于文本分类时效果与KNN和SVM相当。
-
关键词
文本分类
数据挖掘
粗糙集
概念格
分类规则
-
Keywords
document eategorization
data mining
rough set,concept lattice
categorization rule
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
