利用 WordNet 补充文本分类中的训练信息
cmp-lg
2008-02-03 v1 计算与语言
摘要
自动文本分类（TC）是一项复杂且对许多自然语言应用有用的任务，通常通过使用一组手动分类的文档（训练集）来完成。本文建议利用词汇数据库等额外资源来增加 TC 系统所使用的信息量，从而提高其性能。我们的方法通过向量空间模型将 WordNet 信息与两种训练方法相结合。测试的训练方法是 Rocchio（相关性反馈）和 Widrow-Hoff（机器学习）算法。评估结果表明，WordNet 的集成明显优于训练方法，并且集成技术可以有效解决低频类别的分类问题。
引用
@article{arxiv.cmp-lg/9709007,
title = {Using WordNet to Complement Training Information in Text Categorization},
author = {Manuel de Buenaga Rodriguez and Jose Maria Gomez Hidalgo and Belen Diaz Agudo},
journal= {arXiv preprint arXiv:cmp-lg/9709007},
year = {2008}
}
备注
16 pages, 1 figure, 3 tables, previously with RANLP latext style