中文文本分类研究：从表示到算法优化

"中文文本分类，文本表示，机器学习，特征选择，AdaBoost" 这篇硕士学位论文《中文文本分类中文本表示及分类算法研究》由浙江师范大学的蒋红撰写，专业为计算机软件与理论，导师为梁久祯和贾泂。论文探讨了在信息技术飞速发展的背景下，尤其是互联网的普及，中文文本分类的重要性及其技术挑战。文本分类技术能够自动化地对网页内容进行组织和管理，以满足高效的信息检索和处理需求，同时在信息过滤、搜索引擎优化、数字化图书馆等领域有广泛应用。 论文重点研究了两个核心方面：文本表示和分类算法。作者首先对文本分类的基本概念进行了概述，然后深入分析了向量空间模型作为常用文本表示方法的优缺点，以及其对分类效果的影响。为解决词作为文本特征表达能力有限的问题，论文提出利用自然语言处理技术构建句子级关联特征，并应用于改进朴素贝叶斯分类器，实验结果显示这种方法能提升分类性能。 其次，论文关注特征降维这一关键问题，采用了AdaBoost算法进行特征选择和分类器增强，提出了一种两步式特征选择的文本分类方法，实验表明这种方法在文本分类中具有可行性。 此外，鉴于特征子集的分类器集成方法在降维、性能提升等方面的优势，论文提出利用词性来构建不同的特征子集，以克服向量空间模型仅依赖词形的局限性。为此，提出了名为POSAdaBoost的基于词性特征子集的分类器集成算法，并与随机子空间集成分类算法进行了对比分析。 该研究不仅深化了对中文文本表示的理解，还创新性地探索了多种改进文本分类性能的策略，这些方法对于提升文本分类系统的准确性和效率具有重要意义，对实际应用具有广泛的价值。关键词涵盖了文本分类、文本表示、机器学习、特征选择和AdaBoost算法，反映了研究的主要焦点。