（暨南大学华文学院 广州 510610）

设计并建立一个基于向量空间模型和简单贝叶斯的文本分类系统，系统引入小类校正和兼类判断的算法，完成层级多标签的分类。进行基于向量空间模型和简单贝叶斯分类效果的对比，实验证明，在约3万篇测试集上（共15个大类，244个小类），基于向量空间模型的大类分类高25.2个百分点，层级小类分类高26.3个百分点。

(College of Chinese Language and Culture of Jinan University, Guangzhou 510610, China)

This paper has implemented a text categorization system based on Vector Space Model(VSM) and Naive-Bayes(NB). When estimating the category, the authors enhance the veracity of parent-category by emendation of subcategory, and judge whether document has multi-classification and multi-label by estimating the similar difference of classifier’s final values. The experiment proves that VSM is better than NB in text representation: MicroF1 increases of 25.2 percent of parent-category, and MicroF1 increases of 26.3 percent of sub-category.

TP391

*本文系教育部“国家语言资源监测”项目（项目编号：L2004-01-01-04）的研究成果之一。

1Fabrizio Sebastiani. Machine learning in automated text categorization.ACM Computing Surveys，2002，34(1)：1-47
2Y. Yang. An evaluation of statistical approaches to text categorization. Journal of Information Retrieval，1999，1(1/2): 67-88
3庞剑锋等.基于向量空间模型的文本自动分类系统的研究与实现.计算机应用研究, 2001,18(9):23-26
4陈克利.基于大规模真实文本的平衡语料分析与文本分类方法.Advances in Computation of Oriental Languages.北京:清华大学出版社,2003. 540-545
5施彤年，卢忠良.多类多标签汉语文本自动分类的研究.情报学报，2003，22（3）：306-309
6张宇，刘挺，文勖.基于改进贝叶斯模型的问题分类.中文信息学报，2005，19（2）：100-105