文本自動分類系統文本預處理方法的研究
2005-04-29 00:00:00周欽強孫炳達王義
計算機應用研究 2005年2期
摘 要：在沒有建立起完善的中文停用詞表的情況下，運用程序流程控制剔除中文分詞器切分出來的單個獨立字、英文字符、數字和一系列數學符號以及含有這些符號的中文詞，從而使得兩個字以上的純中文詞成為代表文本信息的特征項。這不僅明顯降低了初始文本向量的維度，而且大大提高了文本向量中的特征信息含量。
關鍵詞：文本分類；文本預處理；停用詞；中文分詞
中圖法分類號：TP319
文獻標識碼：A
文章編號：1001—3695(2005)02—0085—02
