網絡信息審計系統中的文本片斷模糊分類算法

李金庫　張德運　高　鵬　孫欽東

摘要：分析了分段對文本分類的影響，提出了與文本語義密切相關的最大語義標志原則(MSMR)和段落間的語義激勵原則(SIR)，在模糊K—最近鄰分類算法的基礎上，應用這2個原則設計并實現了一種基于上下文的文本片斷模糊分類算法．該算法依據SIR判斷文本片段分類的相互影響，降低了片段分類的錯誤率，當某一片斷類隸屬度大于某一閾值時，依據MSMR判定可知，同一文檔的后續片斷均屬于同一類別，這樣就不用計算所有片斷的類隸屬度．實驗表明：與模糊K—最近鄰分類算法相比，所提算法能有效提高系統的查準率、查全率和正確率，其中查全率可提高16％以上；在同一會話中，由于被明確分類后的后續片段不需要計，算類隸屬度，所以算法總計算時間明顯少于模糊K—最近鄰分類算法，具有較高的分類效率．

關鍵詞：文本片段分類；信息審計；K—最近鄰；模糊分類

中圖分類號：TP393文獻標識碼：A文章編號：0253—987X(2005)08—0800—04