论文部分内容阅读
把基于序列模型的隐Markov模型引入文本分类领域。把待分类文本描述成一系列状态演化的隐Markov过程，其中状态以特定的概率产生代表文本的特征项。用序列模式来描述文本类，文本序列通过与隐Markov模型的匹配，求出其对应状态序列和最大输出概率。比较各个文本类的结果，达到文本分类的目的。最后通过和简单向量算法，KNN，Naive Bayes分类算法的比较，说明本算法的在文本分类中的成功应用。