论文部分内容阅读
提出了一种结合加权特征向量空间模型和径向基概率神经网络（RBPNN）的文本分类方法．该方法针对传统的文本特征提取方法的不足，根据文本中特征项的位置信息和所属类别信息定义特征权重，然后，依据特征项的权值计算文档特征项的频数，通过TFIDF函数计算特征值并得到文本的特征向量，最后，采用RBPNN网络分类，通过最小二乘算法求解神经网络的第二隐层和输出层之间的权值，最终训练获得文本分类模型．文本分类实验结果表明，该方法在文本分类中表现出较好的效果，具有较好查全率和查准率．