论文部分内容阅读
首先阐述了文本分类的现状和定义，概述了文本分类的基本流程．然后对文本预处理过程中的分词和去停用词作了简要介绍。在简述文本表示的概念和常用模型之后，重点讨论了信息增益、文档频率、期望交叉熵、互信息和chi统计五种用于特征降维的特征选择方法，而后描述了Rocchio、朴素贝叶斯（NB）、支持向量机（SVM）、K最近邻（kNN）和决策树分类算法的基本指导思想。并从分类性能及其各自复杂度等方面分析比较了这几种算法的优缺点，最后评述了查全率、查准率和F—Measure三种常用的分类器性能评价指标。