1、隨著網(wǎng)絡(luò)上的信息量迅速的增加,如何有效的處理和組織這些文本數(shù)據(jù),成為當(dāng)前研究的重要課題,文本分類是其中的核心課題之一。文本分類的任務(wù)是在給定類別標(biāo)簽的前提下,根據(jù)文本的內(nèi)容對(duì)文本進(jìn)行分類。文本分類在自然語(yǔ)言處理與理解、信息檢索、內(nèi)容信息過(guò)濾等領(lǐng)域都有著廣泛的應(yīng)用。
　　 目前文本分類的模型已經(jīng)趨近成熟,但并不是說(shuō)已經(jīng)到達(dá)完美的狀態(tài),仍然是有一些問(wèn)題需要改進(jìn)。文本分類中關(guān)鍵的兩個(gè)部分是特征降維和分類方法,特征降維的方法分為特征選擇

2、和特征抽取兩類。本文從機(jī)器學(xué)習(xí)的角度出發(fā),主要關(guān)注點(diǎn)在特征選擇方法和分類方法的研究。
　　 關(guān)于特征選擇方法的研究,基于信息論熵性質(zhì)提出了一種新的特征選擇方法。該方法對(duì)特征定義兩個(gè)概念用于特征過(guò)濾:樣本熵、類別熵。方法結(jié)合現(xiàn)有的特征選擇方法如互信息等使用,迭代的使用樣本熵和類別熵過(guò)濾特征項(xiàng),得到維數(shù)更小的特征子集,但在分類應(yīng)用的時(shí)候卻能取得更好分類效果。
　　 關(guān)于分類方法的研究,考慮到SVM良好的性能和集成學(xué)習(xí)的優(yōu)點(diǎn),