论文部分内容阅读
针对图书、期刊论文等数字文献文本特征较少而导致特征向量语义表达不够准确、分类效果差的问题，本文提出一种基于特征语义扩展的数字文献分类方法。该方法首先利用TF—IDF方法获取对数字文献文本表示能力较强、具有较高TF—IDF值的核心特征词；其次分别借助知网（Hownet）语义词典以及开放知识库维基百科（Wikipedia）对核心特征词集进行语义概念的扩展，以构建维度较低、语义丰富的概念向量空间；最后采用MaxEnt、SVM等多种算法构造分类器实现对数字文献的自动分类。实验结果表明：相比传统基于特征选择的短文本