（暨南大学华文学院/海外华语研究中心 广州 510610）

设计并实现一个基于向量空间模型和简单贝叶斯的文本分类系统，系统采用层级多标签的分类策略。详细介绍词语切分统计、终分类器值计算、层级小类校正和兼类判断四个子系统模块。基于向量空间模型分类的第一级大类和层级小类的微平均分别为89.7%和77.8%，简单贝叶斯分别为67.6%和66.5%。

(College of Chinese Language and Culture/ Center for Overseas Huayu Research,Jinan University, Guangzhou 510610, China)

Based on Vector Space Model(VSM) and Nave-Bayes(NB), completed a multilayer and multi-classification text categorization system. Introduce detailedly four modules: words’ segmentation and frequency statistics, calculating between classifications’ and document, emendating the veracity of parent-class by emendation of subclass, judging whether document has multi-classification and multi-label. Text representation based on Vector Space Model has 89.7% MicroF1 of parent- category, 77.8% of sub- category; text representation based on Nave-Bayes has 67.6% MicroF1 of parent- category, 66.5% of sub- category.

TP93

* 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
2骆昌日,张新华,何婷婷,骆世广.基于DCM的中文文本分类.计算机工程与应用, 2006,42(34)：157-159
3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
4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
5罗远胜，王明文，曾雪强.基于核方法的潜在语义文本分类模型.清华大学学报（自然科学版），2005，45(9)：1853-1856