朱振方,刘培玉,李少辉,赵 静,王乾龙

(1.山东师范大学信息科学与工程学院,山东济南250014;2.山东省分布式计算机软件新技术重点实验室,山东济南250014)

文本信息过滤[1]是指在大量的文本数据流中寻找满足特定用户需求的文本的过程,当前实现信息过滤的主要方法有合作过滤[2]和内容过滤[3]两类。基于内容的文本信息过滤是目前信息过滤研究的热点,而基于内容的信息过滤又分为基于统计的过滤方法和基于机器学习的过滤方法[3]。在基于机器学习的内容过滤方法中,核心部分是过滤模板的构建和更新。

1 相关背景

遗传算法[4]自20世纪70年代产生以来,很多机构和研究人员对其进行了广泛而深入的研究,取得了很多重要的研究成果,并使其应用领域迅速推广到优化、搜索、机器学习等各个方面,逐渐发展成为一种通过模拟自然进化过程解决最优化问题的计算模型。

基于内容的文本信息过滤是机器学习的重要组成部分,最早将遗传算法应用于机器学习是用来解决一些较为简单的学习问题,例如,Holland和 Reitman提出的CS-1系统[5]中将遗传算法首次应用于求解迷宫问题,Goldberg[6]则将遗传算法应用到工程控制中,这些研究产生了真正意义上的基于遗传算法的机器学习(Genetic-based Machine Learning,GBML)。

研究中发现,将遗传算法引入到文本信息处理特别是中文文本信息过滤的研究很少,主要集中在应用遗传算法进行特征选择以及将遗传算法应用于生成模板的实际应用。2000年,BURNS和 DANYLUK[7]首次将遗传算法应用到特征选择,接着,PAN Li等[8]将基于遗传算法的特征选择引入到文本分类领域,此后很多研究者提出了多种改进方案,文献[9]也提出了一种自适应遗传算法并将其应用到特征选择中。……