李 波，石慧霞，王 毅

(重庆理工大学计算机科学与工程学院，重庆 400054)

文本分类表示将未知文本与数据库中已分类文本进行相似度匹配，从而将未知文本划分到对应类别的过程［1］。目前，文本分类已经在知识提取、用户兴趣模式挖掘、邮件过滤等领域得到了广泛应用［2-5］。针对文本分类时准确率不高的缺陷，国内外学者展开了大量深入细致的研究。文献［6］在Latent Semantic Index(LSI)模型基础上融入了分类时的特征信息来提高文档之间的区分能力。文献［7］试图识别文本中的模式短语并用于特征信息表示，以一种递归的方式将互信息选择准则用于模式短语的权值定义。文献［8］针对分类算法本身，提出迭代修正质心的策略来提高分类算法的准确率。文献［9］针对神经网络算法在分类时收敛速度的不足，引入聚类算法中的理念，提出基于样本中心的径向基神经网络来改善神经网络算法反向传播时收敛速度慢的缺点。文献［10］和［11］试图从文本中筛选出能准确反映文本特征的属性。

目前的研究主要集中在训练文本中特征选择和文本分类算法自身的改进上，缺乏对待分类文本的深入研究。由于待分类文本包含的关键词非常有限，存在严重的关键词稀疏问题，因此如何根据有限的关键词来准确反映待分类的主题特征对于提高文本分类的准确率有着非常重要的意义。

本文提出一种有效的同义词发现算法，针对待分类文本中所有关键词，根据知网在词语组织上的层次架构，对待分类文本中关键词进行定位标识。……