1、文本分類是將文字組織的電子文檔按不同的語義概念歸入一個或多個不同語義范疇的過程。由于萬維網(wǎng)的普及與互聯(lián)網(wǎng)技術(shù)的迅猛發(fā)展，數(shù)量劇增的電子文本數(shù)據(jù)變得越來越難以管理，文本分類的重要性便受到了有效的重視。為了減小信息量爆炸所帶來的負面影響，對具有高精度性能的文本自動分類方法的需求是必然的。作為文本挖掘、信息檢索以及網(wǎng)頁搜索等領(lǐng)域的關(guān)鍵技術(shù)，文本自動分類也因此在相關(guān)應(yīng)用中扮演著極其重要的角色。
　　目前主流的基于機器學習的文本分類方法主要

2、結(jié)合統(tǒng)計理論分類，利用表示文本特征的統(tǒng)計特性作為度量手段，其關(guān)鍵過程包括文本預處理、特征削減、權(quán)重計算、分類方法學習和分類結(jié)果及性能評估。通過分析發(fā)現(xiàn)，自然語言天然的模糊性使得特征之間的聯(lián)系很難清晰地定義，同時也很難由統(tǒng)計工具明確地表示，由此引入模糊理論，以模糊的概念來表示特征的語義及文本的類別屬性，待分類文本不再是絕對地屬于或不屬于某個類別，而是由對各類的隸屬程度判斷最可能屬于哪一類，從而引出了模糊文本分類的概念。
　　本文提出

3、了基于模糊關(guān)系的文本分類方法，用模糊關(guān)系來表示語義單元的類別屬性更符合自然語言特征，以達到更高的分類精度。該方法分別定義了特征用于表示文本和類別的隸屬函數(shù)，將測試文本和類別表示為特征的模糊集，并以模糊相關(guān)系數(shù)來度量文本與類別的模糊關(guān)系，得到文本的類別模糊集，并按最大隸屬原則決定測試文本所屬類別。
　　實際情況下，一篇文章可能同時屬于多個類別或者文本類別不清晰，多標簽文本分類問題正是關(guān)注于文本可能屬于多于一個以上類別的情形?；谝陨?/p>

4、模糊關(guān)系的計算，本文提出了改進的多標簽文本分類方法，使用多類別向量表示類別之間的關(guān)聯(lián)信息，重新計算引入類別關(guān)系之后文本與各類的模糊相關(guān)度，并且采用啟發(fā)式搜索的思想為每個類別設(shè)定相關(guān)度閾值，當測試文本與某類別的相關(guān)性計分大于所求出的閾值時，則應(yīng)為文本標記該類標簽。
　　在中文文本分類系統(tǒng)平臺上，本文首先將基于模糊關(guān)系的文本分類方法與k-NN算法進行了多組實驗對比，并采用多種指標對性能進行評估，實驗結(jié)果表明該方法有較好的分類精度，且分