【摘要】： 分類作為人類認識世界的一種重要認知手段已經(jīng)存在很長時間。計算機的問世與普及使用，使得分類成為計算機及相關(guān)領(lǐng)域的研究重點，特別是Internet出現(xiàn)以后，在線文本文檔劇增，文本的分類就成為廣泛關(guān)注和研究的關(guān)鍵技術(shù)之一。 文本分類的一個重要應(yīng)用領(lǐng)域是數(shù)字圖書館。目前，數(shù)字圖書館正成為全球范圍內(nèi)信息基礎(chǔ)設(shè)施建設(shè)的熱點領(lǐng)域，是二十一世紀全球文化與科技競爭的焦點之一，而數(shù)字圖書館建設(shè)的基礎(chǔ)是元數(shù)據(jù)的組織和建設(shè)。元數(shù)據(jù)是關(guān)于數(shù)據(jù)的結(jié)構(gòu)化數(shù)據(jù)，為數(shù)字圖書館提供了一種精確描述數(shù)據(jù)內(nèi)容、語義和服務(wù)的機制。 本文就文本分類及其在數(shù)字圖書館中的應(yīng)用進行研究，主要涉及以下4個問題：訓(xùn)練文檔的支持向量預(yù)抽取、文本特征評估、元數(shù)據(jù)自動抽取、知識本體元數(shù)據(jù)。 1．定義了凸包相對邊界向量方法，獲取凸包邊界上的邊界向量，然后依此邊界向量為訓(xùn)練樣本來求解支持向量，簡化求解二次規(guī)劃的運算量，從而有效提高支持向量機的訓(xùn)練速度。 2．定義了文本特征評估方法，找出類別的重要特征和噪音特征，然后根據(jù)分類結(jié)果評估測試樣本和訓(xùn)練樣本的質(zhì)量，優(yōu)化和擴充文本庫，逐步提高學(xué)習樣本的質(zhì)量、擴大文本庫的范圍，并根據(jù)樣本質(zhì)量修改樣本在分類模型中的權(quán)重，提高分類系統(tǒng)的性能及其對不斷變化的外界的適應(yīng)性。 3．定義了元數(shù)據(jù)的抽取策略與抽取規(guī)則。在信息抽取的研究領(lǐng)域，有兩條主要的技術(shù)路線：基于規(guī)則的路線與基于統(tǒng)計模型的路線。基于規(guī)則的主要思路是通過分類文本的特征、結(jié)構(gòu)等信息，尋找到一些用于抽取的規(guī)則。基于統(tǒng)計模型的基本思想是尋找一個合適的模型，通過改變模型的參數(shù)和訓(xùn)練樣本集合來達到對應(yīng)用領(lǐng)域的適應(yīng)。 4．提出了數(shù)字圖書館元數(shù)據(jù)的知識本體。元數(shù)據(jù)提供數(shù)字圖書館的語義基礎(chǔ)，使資源有了基本的微觀結(jié)構(gòu)，但是元數(shù)據(jù)并不能完全解決信息系統(tǒng)的語義異構(gòu)問題，而本體能夠?qū)@些情況進行很好地描述，從而為信息的組織、管理以及檢索、查詢提供模型和方法。
【學(xué)位授予單位】：首都師范大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2007
【分類號】：TP391.1;G250.76
【圖文】：

+l}線性可分的情況下，用于分離的超平面形式的決策曲面方程是:wTx+b=0中，x是輸入向量，woR”是可調(diào)的權(quán)值向量，boR是偏置。這樣我們便以寫成:b七。，對于y，=+1wTxl+b<O，對于y‘=一1此樣本集最優(yōu)分類，如果訓(xùn)量樣本可以無誤差地被劃分，每一類數(shù)據(jù)與超離最近的向量與超平面之間的距離最大，此超平面稱為最優(yōu)超平面。其中，平面的法線方向。如圖2所示。

圖5.3TimBemers.Lee的語義網(wǎng)結(jié)構(gòu)圖美國斯坦福大學(xué)的知識系統(tǒng)實驗室(K五owiedgesysternsLaboratory，KsL)在本體建模工具領(lǐng)域，還是在本體應(yīng)用層面的研究方面，都站在了知識

AML+oIL(nARRAAgentMarlkupLan，age+OntologyInferenceLayer)是兩個組織共同協(xié)商的產(chǎn)物，它在最初的本體語言DAMLoNT的基礎(chǔ)上很多OIL的語言組件發(fā)展而成。它從描述邏輯入手，建立于W3C標和RDF一S之上，并且以更豐富的建模原語擴展了RDF和RDF一S。DA是建立一項技術(shù)，使得智能主體能夠動態(tài)地識別和理解信息資源，并以提供代理之間的互操作。OWLw以M陽bOniologyLanguage)是W3C推薦的語義互聯(lián)網(wǎng)中本體描述語言它是從歐美一些研究機構(gòu)的一種結(jié)合性的描述語言DAML+OIL發(fā)展起W3C提出的本體語言棧中，OWL處于最上層，如圖5.4所示。

【相似文獻】

相關(guān)期刊論文 前10條

1 蒲強;劉啟和;楊國緯;;基于獨立分量分析的圖書館個性化及時服務(wù)[J];計算機應(yīng)用研究;2007年03期

2 葉福軍;;文本數(shù)據(jù)挖掘在數(shù)字圖書館中的應(yīng)用研究[J];硅谷;2009年07期

3 馬強;;文本數(shù)據(jù)挖掘在數(shù)字圖書館中的應(yīng)用研究[J];蘭臺世界;2009年24期

4 張欣;21世紀的圖書館——數(shù)字圖書館及其實現(xiàn)的要素[J];外交學(xué)院學(xué)報;1999年02期

5 王萍;;數(shù)字圖書館初露端倪[J];科學(xué)大眾(中學(xué)版);1999年11期

6 李春茜,萬堅軍;數(shù)字圖書館及其信息組織與檢索淺識[J];圖書館理論與實踐;2001年01期

7 段梅,李小梅;淺談數(shù)字圖書館[J];太原科技;2001年02期

8 寧淑華;數(shù)字圖書館與著作權(quán)保護[J];現(xiàn)代情報;2001年05期

9 劉志賢;論數(shù)字圖書館的合理使用[J];情報雜志;2002年09期

10 邱文杰;高校發(fā)展數(shù)字圖書館的對策淺談[J];桂林航天工業(yè)高等�？茖W(xué)校學(xué)報;2002年04期

相關(guān)會議論文 前10條

1 劉穎;;論數(shù)字圖書館的信息構(gòu)建[A];華北地區(qū)高校圖協(xié)第二十四屆學(xué)術(shù)年會論文（文章）匯編[C];2010年

2 郭啟智;;關(guān)于數(shù)字圖書館有關(guān)問題的探討[A];山西省科學(xué)技術(shù)情報學(xué)會學(xué)術(shù)年會論文集[C];2004年

3 符翠;;數(shù)字圖書館建設(shè)探討[A];新環(huán)境下圖書館建設(shè)與發(fā)展——第六屆中國社區(qū)和鄉(xiāng)鎮(zhèn)圖書館發(fā)展戰(zhàn)略研討會征文集（下冊）[C];2007年

4 王愛華;張銘;陳捷;楊冬青;唐世渭;;基于形式本體的數(shù)字圖書館內(nèi)容元數(shù)據(jù)的創(chuàng)建[A];第十八屆全國數(shù)據(jù)庫學(xué)術(shù)會議論文集（技術(shù)報告篇）[C];2001年

5 高翔;;淺談網(wǎng)站模式下的數(shù)字圖書館資源建設(shè)[A];華北地區(qū)高校圖協(xié)第二十四屆學(xué)術(shù)年會論文（文章）匯編[C];2010年

6 陳克利;宗成慶;王霞;;基于大規(guī)模真實文本的平衡語料分析與文本分類方法[A];語言計算與基于內(nèi)容的文本處理——全國第七屆計算語言學(xué)聯(lián)合學(xué)術(shù)會議論文集[C];2003年

7 喻浩;潘薇;;數(shù)字圖書館支撐技術(shù)及其發(fā)展[A];數(shù)字圖書館資源建設(shè)與發(fā)展學(xué)術(shù)研討會暨中國農(nóng)學(xué)會農(nóng)業(yè)圖書館分會理事工作會議會議資料[C];2007年

8 潘淑春;喻浩;;數(shù)字圖書館建設(shè)及其運行模式研究[A];數(shù)字圖書館資源建設(shè)與發(fā)展學(xué)術(shù)研討會暨中國農(nóng)學(xué)會農(nóng)業(yè)圖書館分會理事工作會議會議資料[C];2007年

9 林英;;談?wù)勚袊鴶?shù)字圖書館的研究、開發(fā)與建設(shè)[A];福建省圖書館學(xué)會2002年學(xué)術(shù)年會論文集[C];2002年

10 延宏;;數(shù)字圖書館:服務(wù)如何個性化[A];新觀點新學(xué)說學(xué)術(shù)沙龍文集24：數(shù)字時代圖書館的創(chuàng)新與共享[C];2008年

相關(guān)重要報紙文章 前10條

1 本報記者 延宏;數(shù)字圖書館：服務(wù)如何個性化[N];科技日報;2008年

2 本報記者 洪黎明;數(shù)字出版與數(shù)字圖書館的互動[N];人民郵電;2008年

3 本報記者 諸葛漪;國內(nèi)數(shù)字圖書館為何“起大早趕晚集”[N];解放日報;2009年

4 張宇;走在“云端”的數(shù)字圖書館[N];中國文化報;2010年

5 通訊員 鄧尚新;洛浦數(shù)字圖書館正式啟動[N];和田日報（漢）;2010年

6 本報記者 姜天驕　文化部副部長 楊志今;讓數(shù)字圖書館資源惠及更多基層群眾[N];經(jīng)濟日報;2010年

7 本報記者 吳娜;讓每個縣都有數(shù)字圖書館[N];光明日報;2010年

8 記者 牛春梅;數(shù)字圖書館將覆蓋全國[N];北京日報;2010年

9 記者 陳磊;我國數(shù)字圖書館侵權(quán)盜版現(xiàn)象普遍存在[N];科技日報;2010年

10 通訊員 傅晨琦　記者 葉輝;杭州數(shù)字圖書館率先實現(xiàn)網(wǎng)站、手機、電視“三網(wǎng)融合”[N];光明日報;2010年

相關(guān)博士學(xué)位論文 前10條

1 程軍;基于統(tǒng)計的文本分類技術(shù)研究[D];中國科學(xué)院研究生院（文獻情報中心）;2003年

2 章舜仲;文本分類中詞共現(xiàn)關(guān)系的研究及其應(yīng)用[D];南京理工大學(xué);2010年

3 于曉燕;基于網(wǎng)格的數(shù)字圖書館模式構(gòu)建研究[D];南開大學(xué);2010年

4 周麗霞;數(shù)字圖書館版權(quán)獲取研究[D];吉林大學(xué);2011年

5 陸穎雋;虛擬現(xiàn)實技術(shù)在數(shù)字圖書館的應(yīng)用研究[D];武漢大學(xué);2013年

6 孟佳娜;遷移學(xué)習在文本分類中的應(yīng)用研究[D];大連理工大學(xué);2011年

7 李智星;用于文本分類的簡明語義分析技術(shù)研究[D];重慶大學(xué);2011年

8 劉伍穎;面向垃圾信息過濾的主動多域?qū)W習文本分類方法研究[D];國防科學(xué)技術(shù)大學(xué);2011年

9 王博;文本分類中特征選擇技術(shù)的研究[D];國防科學(xué)技術(shù)大學(xué);2009年

10 孫坦;數(shù)字圖書館理論與發(fā)展模式研究[D];中國科學(xué)院文獻情報中心;2000年

相關(guān)碩士學(xué)位論文 前10條

1 張超林;文本分類技術(shù)在數(shù)字圖書館中的應(yīng)用與研究[D];首都師范大學(xué);2007年

2 張彪;文本分類中特征選擇算法的分析與研究[D];中國科學(xué)技術(shù)大學(xué);2010年

3 張保富;基于粗糙集的中文文本分類算法研究及應(yīng)用[D];江蘇大學(xué);2010年

4 蔣健;文本分類中特征提取和特征加權(quán)方法研究[D];重慶大學(xué);2010年

5 閆晨;KNN文本分類研究[D];燕山大學(xué);2010年

6 蘇小康;基于維基百科構(gòu)建語義知識庫及其在文本分類領(lǐng)域的應(yīng)用研究[D];華中師范大學(xué);2010年

7 李璇;基于坐標下降法的半監(jiān)督學(xué)習算法及其在文本分類中的應(yīng)用[D];華南理工大學(xué);2010年

8 羅宏;數(shù)字圖書館著作權(quán)風險規(guī)避研究[D];四川大學(xué);2004年

9 宋志理;基于LDA模型的文本分類研究[D];西安理工大學(xué);2010年

10 郭志毅;基于EM算法的半監(jiān)督文本分類方法研究[D];重慶郵電大學(xué);2010年

本文編號：2745771