基於中文斷詞技術之新聞網頁分類系統

淡江大學機構典藏 > 工學院 > 資訊工程學系暨研究所 > 學位論文 > Item 987654321/74585

請使用永久網址來引用或連結此文件: https://tkuir.lib.tku.edu.tw/dspace/handle/987654321/74585

題名:	基於中文斷詞技術之新聞網頁分類系統
其他題名:	Automatic news pages classification system based on chinese word segmentation
作者:	林孟翰;Lin, Meng-Han
貢獻者:	淡江大學資訊工程學系碩士班蔡憶佳;Tsai, Yih-Jia
關鍵詞:	貝氏分類法;查全率;Naive Bayes Classifier;recall rate
日期:	2011
上傳時間:	2011-12-28 18:57:49 (UTC+8)
摘要:	近年來隨著網路的發展，網路已經是人們生活中不可缺少的一部份，利用網路的便利性與互動性，可以使網路使用者知道近期內所發生的事情，也因為網路擁有這些特性，使得新聞資訊成長非常的快速。然而這樣的狀況衍生了一個問題，如何讓網路使用者能夠得知正確或是相關的訊息則是當下不得不面對的重要問題。在本論文中建立了一個以基於中文斷詞技術的新聞網頁分類系統，把網路上所擷取的文章，利用統計式斷詞法來計算出各種詞在文章中出現的次數，然後設定一個門檻值，若是統計過次數的詞未超過系統所設定的門檻值，則將該詞從詞庫中刪除。接著把符合的詞配合單純貝氏分類與結合權重的貝氏分類兩種分類方法來比較哪一種分類方法較佳。實驗結果顯示，利用單純貝氏分類的分類結果比結合權重的貝氏分類的分類結果還要好，分類的查全率最高可達71%。從結果來看，利用門檻值的設定將不正確的詞刪除，配合單純貝氏分類法來做分類具有不錯的效果。 With the vigorous development of the Internet, network is becoming indispensable to many people’s everyday life. Due to the convenience of reading news from the network, the number of users learning recent events from the Internet is growing rapidly. This also caused a large number of news agencies made their news available on the network. Thus, how to enable users receive relevant or interested news is an important issue. One way is to build an automatic news classification system that allows users to read from different categories of their interests. In this paper, a news page classification system based on Chinese word segmentation is set up. It can automatically download news pages and use the n-gram algorithm for word segmentation. After word segmentation, we compare the performance of two classification schemes. Naïve Bayes classifier has higher recall rate, average recall rate is 71%. Experimental results show that Naïve Bayes classifier with n-gram for word segmentation has a better performance over.
顯示於類別:	[資訊工程學系暨研究所] 學位論文

文件中的檔案:

檔案	大小	格式	瀏覽次數
index.html	0Kb	HTML	237	檢視/開啟

在機構典藏中所有的資料項目都受到原著作權保護.

TAIR相關文章

資料載入中.....