大学计算采用决策树等聚类算法在线机系运用信息熵理论理论等年美国公司等实现多类号自动分类美国大学计算年等针对文本库自动分类系统机系为推广电子商务研制基于文本年美国和公司内容电子邮件自动分类为其浏览器开发基于内容属年公司性分类插件国内自动分类研究工作始于年代，经过多年发展，已经有了些比较有代表性辅助归类和自动归类系统。国内比较典型自动分类系统如表所示河北大学文学硕士学位论文表国内近年来开发自动分类系统完成时序号完成机构完成人员主要技术特点间根据原有类别主题词表和年上海交通大学计算机系朱兰娟，王永成最小损失原则确定分类主题词与类号关系表，确定权重在南京大学苏新宁等系数，分类前控词典，停用词表目前，对中文文本自动分类而言对信息组织整理效率，必须对文本进行自动分类。信息检索和文本分类是两个相辅相成过程。只有把握好“分类”这关键环节，对信息利用才能达到更满意效果。文本自动分类就是利用计算机对文本集或其他实体对象按照定分类体系或标准进行类别划分。自动分类技术是有效运用信息基础，是代替繁杂传统人工分类方法有效手段和必然趋势。利用先进计算机技术和人工智能技术进行文本分类，不仅方便快捷，容易实现，节省大量人力物力，而且还可以进行更深层次信息挖掘处理，提高信息利用效率和深度。文本自动分类对提高信息搜索效率和质量具有重要意义首先，使信息分类和运用更加方便快捷。自动对文本进行分类可以为使用者在网络上进行信息检索提供方便。上信息资源对于用户来说常常是杂乱且不相关，用户很难从网络中直接找到所需要信息资源。为了满足广大用户在信息海洋中方便快捷地获取有价值信息愿望，这就需要研究有效文本分类方法，对巨大网络信息资源进行分类。只有这样，才能提高用户搜索和运用信息资源速度和质量。其次，可以尽可能减少人力浪费和人为误差产生。采用自动分类方法可以节省大量人力，而且自动分类效率是人工分类效率百倍甚至千倍。由于计算机运算速度快，因此，使用计算机自动对文本进行分类速度和效率是人工分类所不能及而且计算机计算精度高，减少了人为错误产生可能性。目前，对文本分类方法运用和研究已经成为重要课题，对于文本分类方法研究已经有很多，但其中还有不少问题值得进步探讨。例如文本分类系统如何从信息资料中自动学习获取相关知识如何在文本分类过程中避免机械字串匹配，实现接近人脑智能性语义分类等。针对这些问题所展开研究，对于提高文本分类性能，进而河北大学文学硕士学位论文改善人类信息获取效率，推动社会进步，具有重要理论意义和现实意义。本文立足于语言学文献开展研究，主要原因有二语言学既是门基础学科，同时又涵盖许多边缘学科，范围之广是其他任何学科所不能及。语言学是研究人类语言以及所有人类语言背后规则科学，按研究目和范围不同可以分为普通语言学个别语言学历史语言学描写语言学等。内部又可以分为语音学语义学词汇学语法学修辞学方言学等类别。随着科学发展，语言学不再作为个独立学科存在，而是同哲学历史学人类学心理学逻辑学文学等密切相关，同数学声学数理逻辑电子学等也建立了紧密联系。语言学知识不仅对认识语言本质特点和发展规律，指导语言教学，确定语言规范，研究翻译理论来说是必要，而且对了解人类社会发展和民族形成历史，进行机器翻译，治疗语言障碍疾病也是有定帮助。随着语言学逐渐成为个热门学科，对语言学研究也逐渐加深。语言学与其他领域交叉产生了些新兴学科，其中包括社会语言学心理语言学认知语言学应用语言学等多个领域。同时也产生了很多具有语义关联新概念，例如，用户在查找有关“历时语言学文献资料时，基于关键词文本分类方法只能分析出包含这个词语文本资料，但是，从语言学专业角度来讲，“演化语言学和“历时语言学”是同个概念两种不同说法。这时，只有分清楚两词语在语义上同义关系，才能在检索出有关“历时语言学文章同时，也检索出有关“演化语言学文章，在很大程度上提高文本分类查准率和查全率。因此，研究语言学文献自动分类方法具有重要理论意义和良好应用前景。由于作者本人知识水平有限，导致研究工作只能局限于这个领域。但是，真心希望通过作者本人微薄之力，可以对其他学科研究提供些许帮助。国内外研究现状及分析初级阶段文本分类可以追溯到上世纪五六十年代，早期文本分类主要是基于知识工程，通过手工定义些规则对文本进行分类。应用知识工程第苹引言方法在实际操作过程中，最大缺点和不足就是需要专业人员手工编写分类规则来表达领域专家所拥有知识，运用这些规则将文档分到个给定类别体系中。这种方法不仅需要有领域专家合作，而且还需要知识工程师手工编制大量推理规则，具有很大限制性和不确定性，最能代表这种工作方法是路透社开发系统。进步发展世纪年代以来，随着网上在线文本大量涌现和机器学习兴起，大规模文本分类和信息检索再次引起了研究者兴趣。文本分类系统首先通过在预先分类好文本集上训练，建立个判别规则或分类器，从而对未知类别新样本进行自动归类。它不再需要大量领域专家参与，算法也独立于个领域，不再受到领域知识限制，能适用于任何领域学习，使得它成为目前文本分类主要方法熨。几种最能代表国外自动分类系统研究成果如表所示表国外近年来开发自动分类系统序号时间完成机构完成人员技术特点年实验室等基于非确定性自动分类技术年实验室电子邮件自动分类焦德国大学计算机系等基于向量空间模型自动分类基于很少语料词汇层次自动年美国大学计算机系等分类年等自动分类美国大学计算采用决策树等聚类算法在线机系运用信息熵理论理论等年美国公司等实现多类号自动分类美国大学计算年等针对文本库自动分类系统机系为推广电子商务研制基于文本年美国和公司内容电子邮件自动分类为其浏览器开发基于内容属年公司性分类插件国内自动分类研究工作始于年代，经过多年发展，已经有了些比较有代表性辅助归类和自动归类系统。国内比较典型自动分类系统如表所示河北大学文学硕士学位论文表国内近年来开发自动分类系统完成时序号完成机构完成人员主要技术特点间根据原有类别主题词表和年上海交通大学计算机系朱兰娟，王永成最小损失原则确定分类主题词与类号关系表，确定权重在南京大学苏新宁等系数，分类前控词典，停用词表目前，对中文文本自动分类而言及如何运用应该建立怎样相关本体，领域本体之间关系如何确定本体如何共享，怎样在个领域建立本体以后可以在很多不同领域发挥作用。参考文献参考文献曾伏虎，曹焕光，曹素青个中文文本自动分类数学模型情报学报靳小波文本分类综述自动化博览，肖琨焘，李德顺本体中国大百科全书，哲学卷耿科明基于本体个性化信息服务研究河北大学硕士论文，蔡自兴，徐光佑人工智能及其应用第二版清华大学出版社常毅，张鑫，基于关键词表达式模型文本自动分类系统研究与实现，中国科学院计算机研究所黄萱菁，夏迎炬，吴立德基于向量空间模型文本过滤系统软件学报王梦云，王素格个基于字特征文本分类模型计算机工程与应用王洋，秦兵，郑实福句子相似度计算在中应用第届计算语言学学生研讨会论文集北京北京大学第届学生计算语言学研讨会河北大学文学硕士学位论文，董慧，余传明，杨宁基于本体数字图书馆检索模型研究历史领域资源本体构建武汉大学信息资源研究中心情报学报林春梅，何跃创建企业本体模型研究，微机发展，李景，苏晓鹭，钱平构建领域本体方法计算机与农业杜小勇，李曼，王大治语义与本体研究综述计算机应用，林春梅，金鑫，何跃基于构建主义化本体模型，计算机应用与软件许珏本体论与信息检索中国信息导报赵国涛，何钦铭基于本体异构文本分类系统计算机工程第卷，吴赣，程学旗，余智华页面文档分类技术计算语言学文集，苏伟峰，李绍滋个基于概念中文文本分类模型厦门大学硕士论文曹素丽，曾伏虎，曹焕光。基于汉字字频中文文本自动分类系统山西大学学报杨建武文本挖掘技术北京大学计算机科学技术研究所。教学讲义邓红华，邓函夏浅谈节目主持人语音不规范现象及对策现代语文语言研究版炅建勇反义语素构词结构和语义考察现代语文语言研究版对信息组织整理效率，必须对文本进行自动分类。信息检索和文本分类是两个相辅相成过程。只有把握好“分类”这关键环节，对信息利用才能达到更满意效果。文本自动分类就是利用计算机对文本集或其他实体对象按照定分类体系或标准进行类别划分。自动分类技术是有效运用信息基础，是代替繁杂传统人工分类方法有效手段和必然趋势。利用先进计算机技术和人工智能技术进行文本分类，不仅方便快捷，容易实现，节省大量人力物力，而且还可以进行更深层次信息挖掘处理，提高信息利用效率和深度。文本自动分类对提高信息搜索效率和质量具有重要意义首先，使信息分类和运用更加方便快捷。自动对文本进行分类可以为使用者在网络上进行信息检索提供方便。上信息资源对于用户来说常常是杂乱且不相关，用户很难从网络中直接找到所需要信息资源。为了满足广大用户在信息摘要随着互联网上信息量迅猛增加，语言学工作者研究不断深入，如何在纷繁复杂文献材料中，快速准确地找到用户需要信息，文本分类起着非常重要作用。而其中，基于语义文本分类逐渐成为主流，语义关系最佳载体本体，成为了学术界关注焦点。本体就是对概念和关系描述，基于本体文本分类就是基于知识层面和语义层次上分类。本文在论述语言学领域本体库建立并应用于文本分类意义基础上，通过细致分析语言学内部词语之间语义关系，构建了语言学文献领域本体。提出了基于本体语义关系进行匹配语言学文献分类方法。首先，利用已有分词系统对文献进行分词处理和关键词抽取，采用经过定改进算法，对文献关键词进行特征选择，确定待分类文本特征项。然后将这些特征项与领域本体库中存储领域特征项进行匹配，从而得到文本类别。本文介绍了两种分类算法，种是基于概念语义匹配，种是非致性模糊匹配。无论采取哪种算法，都可以在定程度上弥补当前分类系统缺乏语义联系不足，提高文本分类准确性。关键词文本分类本体领域本体语言学文献匹配河北大学学位论文原创性声明本人郑重声明所呈交学位论文，是本人在导师指导下进行研究工作及取得研究成果。尽我所知，除了文中特别加以标注和致谢地方外，论文中不包含其他人已经发表或撰写研究成果，也不包含为获得河北大学或其他教育机构学位或证书所使用过材料。与我同工作同志对本研究所做任何贡献均己在论文中作了明确说明并表示了致谢。作者签名窆延婊日期卑年月日学位论文使用授权声明本人完全了解河北大学有关保留使用学位论文规定，即学校有权保留并向国家有关部门或机构送交论文复印件和电子版，允许论文被查阅和借阅。学校可以公布论文全部或部分内容，可以采用影印缩印或其他复制手段保存论文。本学位论文属于保密口，在年月日解密后适用本授权声明。不保密口。请在以上相应方格内打“妒作者签名导师签名日期丛丑年月上日日期遵年月日第章引言研究背景及意义第章引言在网络逐渐普及，并进步成为人们主要信息查询手段今天，很多信息查询不确切问题经常困扰我们。当用户进行信息查询时，与要求不大相关信息会大量涌现，如何在纷繁复杂信息中找到自己想要内容，成为信息获取首先需要解决问题。为了能获得更多