位置:成果数据库 > 期刊 > 期刊详情页
基于N元模型的维吾尔文文本分类技术研究
  • ISSN号:1001-3695
  • 期刊名称:计算机应用研究
  • 时间:2015.7.10
  • 页码:1986-1990
  • 分类:TP391[自动化与计算机技术—计算机应用技术;自动化与计算机技术—计算机科学与技术]
  • 作者机构:[1]新疆大学信息科学与工程学院新疆多语种重点实验室,乌鲁木齐830046, [2]和田师范专科学校计算机科学系,新疆和田848000
  • 相关基金:国家“973”重点基础研究计划基金资助项目(2014CB340506); 国家自然科学基金资助项目(61262063,61363063)
  • 相关项目:基于网络及通讯设备的维吾尔语文本信息监控应用系统研发
中文摘要:

考虑到维吾尔文词干提取、词性标注等工具不够成熟和相关的开源资源很少的实际情况,提出了基于N元模型的维吾尔文文本分类技术。其特点是不需要任何自然语言处理工具,拼写错误率对分类结果的影响很低。在训练阶段分别提取字符级别的三元和四元模型构造不同规模的N元词典,在分类测试阶段分别用曼哈顿距离计算和骰子测量对文本进行分类。实验结果表明,当四元模型词典的规模为500时,使用骰子测量分类时性能最佳,平准准确率达到86.56%。

英文摘要:

Considering Uyghur stemming, POS tagging and other tools are not mature enough and there are a few open resources, this paper proposed N-gram based Uyghur text classification technique. The advantages were don' t needs any natural language processing tools and misspelling had low impact on text classification. In the process of learning phase extracted respectively character level tri-grams and quad-grams and constructed different scale N-gram profile, in the classification process respectively used Manhattan distance and Dice measure to classified text. The experimental results show that when quad gram profile size 500 and use Dice measure has best classification performance. The average accuracy rate reaches 86. 56%.

同期刊论文项目
同项目期刊论文
期刊信息
  • 《计算机应用研究》
  • 北大核心期刊(2011版)
  • 主管单位:四川省科学技术厅
  • 主办单位:四川省计算机研究院
  • 主编:刘营
  • 地址:成都市成科西路3号
  • 邮编:610041
  • 邮箱:arocmag@163.com
  • 电话:028-85210177 85249567
  • 国际标准刊号:ISSN:1001-3695
  • 国内统一刊号:ISSN:51-1196/TP
  • 邮发代号:62-68
  • 获奖情况:
  • 第二届国家期刊奖百种重点科技期刊,国内计算技术类重点核心期刊,国内外著名数据库收录期刊
  • 国内外数据库收录:
  • 俄罗斯文摘杂志,波兰哥白尼索引,英国科学文摘数据库,日本日本科学技术振兴机构数据库,中国中国科技核心期刊,中国北大核心期刊(2004版),中国北大核心期刊(2008版),中国北大核心期刊(2011版),中国北大核心期刊(2014版),中国北大核心期刊(2000版)
  • 被引量:60049