1、分類作為人類認(rèn)識(shí)世界的一種重要認(rèn)知手段已經(jīng)存在很長(zhǎng)時(shí)間。計(jì)算機(jī)的問世與普及使用，使得分類成為計(jì)算機(jī)及相關(guān)領(lǐng)域的研究重點(diǎn)，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(gè)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(diǎn)領(lǐng)域，是二十一世紀(jì)全球文化與科技競(jìng)爭(zhēng)的焦點(diǎn)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)

2、，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(jī)制。 本文就文本分類及其在數(shù)字圖書館中的應(yīng)用進(jìn)行研究，主要涉及以下4個(gè)問題：訓(xùn)練文檔的支持向量預(yù)抽取、文本特征評(píng)估、元數(shù)據(jù)自動(dòng)抽取、知識(shí)本體元數(shù)據(jù)。 1.定義了凸包相對(duì)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(jiǎn)化求解二次規(guī)劃的運(yùn)算量，從而有效提高支持向量機(jī)的訓(xùn)練速度。 2.定義了文本特征評(píng)估方法，找出類別的重要特征和

3、噪音特征，然后根據(jù)分類結(jié)果評(píng)估測(cè)試樣本和訓(xùn)練樣本的質(zhì)量，優(yōu)化和擴(kuò)充文本庫，逐步提高學(xué)習(xí)樣本的質(zhì)量、擴(kuò)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(duì)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(jì)模型的路線?；谝?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(jì)模型的基本思想是尋找