王 进，金理雄，孙开伟

(1.重庆邮电大学计算机科学与技术学院，重庆400065;2.计算智能重庆市重点实验室，重庆400065)

随着Internet应用的普及，互联网上电子文档的数量正在高速增长.为从海量电子文档中快速、准确、全面地查找和获取有效信息，近年来，文本分类技术得到了学术界的广泛关注.国外对英文文本分类技术的研究始于1950年，经过数十年的发展已经比较成熟.当前比较流行的英文文本分类方法包括:朴素贝叶斯(Naïve Bayes)［1］，K 最近邻(k-nearest neighbor，KNN)［2］，支持向量机(support vector machine，SVM)［3］，最大熵模型［4］等方法.而国内对中文文本分类的研究起步较晚，始于20世纪80年代初期，近年来也取得了显著进展［5-7］.

受生物分子网络的启发，演化超网络(evolutionary hypernetworks)最初是作为一种并行联想记忆模型被提出［8］，并通过 DNA 计算实现［9］.超网络由大量的超边(hyperedges)组成，具有流体性、可重置的分子结构，是学习友好的［10］.超网络的结构(超边的组成)和参数(超边的权值)通过分子演化学习得到.近年来，Zhang B.T.［10］从超图的视角定义了超网络这一新颖的认知学习和记忆模型，并已将其成功应用于手写数字图像重建［9］、癌症基因挖掘［11］、证券价格预测［12］、心血管疾病诊断［13］等诸多领域.

为了建立一个高效、准确的中文文本分类系统，文中拟提出一种基于演化超网络的中文文本分类算法.对所获的中文语料进行文本预处理、特征选择和权值计算，建立演化超网络模式识别模型;给出超网络的演化算法，实现模型的识别功能;并通过与SVM，KNN两种传统的文本分类方法的对比试……