论文部分内容阅读
该文提出了一种基于N元汉字串特征的文本向量空间表示模型，用这个表示模型实现了一个文本实时分类系统。对比使用词语做为特征的文本向量空间模型，这种新的模型由于使用快速的多关键词匹配技术，不使用分词等复杂计算，可以实现实时文本分类。由于N元汉字串的文本表示模型中的特征抽取中不需要使用词典分词，从而可以提取出一些非词的短语结构，在特殊的应用背景，如网络有害信息判别中，能自动提取某些更好的特征项。实验结果表明，使用简单的多关键词匹配和使用复杂的分词，对分类系统的效果影响是很小的。该文的研究表明N元汉字串特征和词特征