基于模糊认知图的文本分类推理算法

计算机工程与应用 ›› 2007, Vol. 43 ›› Issue (12): 155-158.

基于模糊认知图的文本分类推理算法

张桂芸刘洋王元元

天津师范大学主校区计算机与信息工程学院

收稿日期:2006-05-22 修回日期:1900-01-01 出版日期:2007-04-20 发布日期:2007-04-20
通讯作者: 张桂芸

Reference Algorithm of Text Categorization Based on Fuzzy Cognitive Maps

GuiYun Zhang Yang Liu

Received:2006-05-22 Revised:1900-01-01 Online:2007-04-20 Published:2007-04-20
Contact: GuiYun Zhang

摘要/Abstract

摘要： 文本分类是信息处理的重要研究方向。现在应用较多的是基于统计计算的分类方法。本文介绍了利用模糊认知图的文本分类推理理论与算法，该方法是基于数值推理的，实现将统计与规则融合推理，灵活性较大，不需要语料的多次训练，适合于训练不充分和新主题的文本分类和多类分类，并具有一定的鲁棒性。

关键词: 文本分类, 模糊认知图, 推理算法

Abstract: Text categorization is an important direction of information processing, and now the categorization based on statistics computation is widely applied. This paper introduces the reference theory and algorithm of text categorization by using fuzzy cognitive map, which is based on value inference and can be able to infer by combing rule and statistics. This method is flexible and robust, and we do not need train the corpus time after time，it suits for the text categorization insufficiency train and new subject and multi-classification

Key words: text categorization, fuzzy cognitive map, reference algorithm

张桂芸刘洋王元元. 基于模糊认知图的文本分类推理算法[J]. 计算机工程与应用, 2007, 43(12): 155-158.

GuiYun Zhang Yang Liu. Reference Algorithm of Text Categorization Based on Fuzzy Cognitive Maps[J]. Computer Engineering and Applications, 2007, 43(12): 155-158.

[1]	黄金杰，蔺江全，何勇军，何瑾洁，王雅君. 局部语义与上下文关系的中文短文本分类算法[J]. 计算机工程与应用, 2021, 57(6): 94-100.
[2]	霍光煜，张勇，孙艳丰，尹宝才. 基于语义的档案数据智能分类方法研究[J]. 计算机工程与应用, 2021, 57(6): 247-253.
[3]	郑诚，董春阳，黄夏炎. 基于BTM图卷积网络的短文本分类方法[J]. 计算机工程与应用, 2021, 57(4): 155-160.
[4]	贺文亮，朱敏玲. 胶囊神经网络研究现状与未来的浅析[J]. 计算机工程与应用, 2021, 57(3): 33-43.
[5]	滕金保，孔韦韦，田乔鑫，王照乾，李龙. 基于CNN和LSTM的多通道注意力机制文本分类模型[J]. 计算机工程与应用, 2021, 57(23): 154-162.
[6]	武书钊，李功权，卜明伟. 基于知识图谱的自杀倾向检测问答系统构建[J]. 计算机工程与应用, 2021, 57(22): 304-312.
[7]	李铁飞，生龙，吴迪. BERT-TECNN模型的文本分类方法研究[J]. 计算机工程与应用, 2021, 57(18): 186-193.
[8]	丁勇，程家桥，蒋翠清，王钊. 基于主题和关键词特征的比较文本分类方法[J]. 计算机工程与应用, 2021, 57(17): 196-202.
[9]	滕金保，孔韦韦，田乔鑫，王照乾. 基于LSTM-Attention与CNN混合模型的文本分类方法[J]. 计算机工程与应用, 2021, 57(14): 126-133.
[10]	翟一鸣，王斌君，周枝凝，仝鑫. 面向文本分类的多头注意力池化RCNN模型[J]. 计算机工程与应用, 2021, 57(12): 155-160.
[11]	姚佳奇，徐正国，燕继坤，王科人. GCN-PU:基于图卷积网络的PU文本分类算法[J]. 计算机工程与应用, 2021, 57(11): 162-167.
[12]	申艳光，贾耀清. 基于词共现与图卷积的文本分类方法[J]. 计算机工程与应用, 2021, 57(11): 173-178.
[13]	郝超，裘杭萍，孙毅，张超然. 多标签文本分类研究进展[J]. 计算机工程与应用, 2021, 57(10): 48-56.
[14]	张曼，夏战国，刘兵，周勇. 全卷积神经网络的字符级文本分类方法[J]. 计算机工程与应用, 2020, 56(5): 166-172.
[15]	杜雨菲，吴保国，陈栋. 基于产生式规则的乔灌木识别推理算法研究[J]. 计算机工程与应用, 2020, 56(5): 242-250.