邓志宏;唐世伟;Yang，董卿;张明;吴晓斌;杨孟 一种基于类别相关因子的线性文本分类算法。 （英语） Zbl 1031.68708号 Lim，Ee-Peng（编辑）等，《数字图书馆：人、知识和技术》。第五届亚洲数字图书馆国际会议，ICADL 2002，新加坡，2002年12月11-14日。诉讼程序。柏林：斯普林格。莱克特。注释计算。科学。2555, 88-98 (2002). 摘要：在本文中，我们提出了一种称为CRF的线性文本分类算法。CRF使用类别相关因子计算属于同一类别的训练文档的特征向量。基于这些特征向量，CRF归纳出每个类别的轮廓向量。对于新的未标记文档，CRF采用修改的余弦度量来获取这些文档和类别之间的相似性，并将它们分配到具有最大相似性分数的类别。在CRF中，参与计算文档和类别之间相似性的是轮廓向量，而不是所有培训文档的向量。我们在路透社-21578和20个新闻组文本集合的子集上评估了我们的算法，并将其与（k）-NN和SVM进行了比较。实验结果表明，CRF优于（k）-NN，并且与SVM具有竞争性。关于整个系列，请参见[兹比尔1014.68980]. 引用于1文件 MSC公司： 68单位99 计算方法和应用 68单位35 信息系统的计算方法（超文本导航、接口、决策支持等） 68第20页 数据的信息存储和检索 PDF格式BibTeX公司 XML格式引用 \textit{Z.-H.Deng}等人，Lect。注释计算。科学。2555，88-98（2002年；兹bl 1031.68708） 全文： 链接