面向企業(yè)興趣的文本自動(dòng)分類(lèi)及基于本體的文本索引方法研究.pdf

1、隨著互聯(lián)網(wǎng)信息的增長(zhǎng),Web挖掘已經(jīng)成為數(shù)據(jù)挖掘研究的熱點(diǎn)之一。目前的通用搜索引擎技術(shù)已經(jīng)得到了極大的發(fā)展，但是單獨(dú)為企業(yè)服務(wù)，從web上自動(dòng)獲取企業(yè)所感興趣知識(shí)的系統(tǒng)卻還不多。此外，企業(yè)也迫切需要將內(nèi)部知識(shí)管理系統(tǒng)與web知識(shí)獲取系統(tǒng)相結(jié)合，以提供給企業(yè)員工更全面的知識(shí)服務(wù)。企業(yè)web知識(shí)獲取系統(tǒng)對(duì)于一些保密性要求較高，內(nèi)網(wǎng)需要與外網(wǎng)分離的企業(yè)尤其具有實(shí)用價(jià)值。 本文是在實(shí)踐的基礎(chǔ)上進(jìn)行的總結(jié)，主要包括如下幾個(gè)部分：

2、首先介紹了Web挖掘的一些基本概念、方法和技術(shù)，闡述了什么是Web挖掘，為什么要進(jìn)行Web挖掘。在此基礎(chǔ)上，提出了一個(gè)面向企業(yè)興趣的文本自動(dòng)分類(lèi)系統(tǒng)的框架和實(shí)現(xiàn)方法——在企業(yè)依據(jù)自身興趣建立的分類(lèi)體系下，根據(jù)文本內(nèi)容自動(dòng)判別文本類(lèi)別。本文特別關(guān)注于對(duì)用戶(hù)興趣的建立和維護(hù)，用戶(hù)信息的反饋以及如何充分利用本體這一領(lǐng)域知識(shí)來(lái)使分類(lèi)結(jié)果更加符合企業(yè)用戶(hù)的需要。文本的自動(dòng)分類(lèi)結(jié)合通用的網(wǎng)頁(yè)獲取手段以及中文處理方法構(gòu)成了系統(tǒng)的主體框架，實(shí)現(xiàn)了自動(dòng)從

3、Web上根據(jù)企業(yè)興趣來(lái)獲取相關(guān)知識(shí)。針對(duì)系統(tǒng)中所涉及的關(guān)鍵技術(shù)，包括網(wǎng)頁(yè)的獲取、文本預(yù)處理、向量空間模型、特征提取、機(jī)器學(xué)習(xí)方法，論文進(jìn)行了研究和探討，并給出了評(píng)估方法和實(shí)驗(yàn)結(jié)果。 本文還研究了結(jié)合領(lǐng)域本體對(duì)中文文本進(jìn)行信息提取和自動(dòng)索引的方法。利用領(lǐng)域本體來(lái)表述已有知識(shí)，在此基礎(chǔ)上對(duì)解析后的頁(yè)面采用多種匹配方法進(jìn)行信息抽取，對(duì)提取出的信息進(jìn)行索引后，就可以支持用戶(hù)的檢索，使知識(shí)系統(tǒng)的索引更加自動(dòng)化。該部分目前仍然處于理論方法的