杜隆胤

摘 要： 基于GPRS的移动互联网分布式文本分类系统没有足够的CPU和RAM资源可以调用，所以难以使用传统的神经网络系统进行文本分类，这与当前的互联网大数据需求存在一定的矛盾。在此使用占用CPU和RAM资源较少的语义分析算法，采用局端与用户端联合运算的方式，使用比较结果字符串替代明文传输的方式减少GPRS链路占用，研究了基于语义分析的计算机文本分类技术。

关键词： 语义分析； 文本分类； 移动互联网； 计算机智能

中图分类号： TN919?34 文献标识码： A 文章编号： 1004?373X（2016）05?0147?02

文本分类技术是人工智能的重要组成部分，而语义分析算法是传统的脚本编译算法[1?2]。传统的文本分类算法包括决策树，Rocchio，朴素贝叶斯，神经网络，支持向量机，线性最小平方拟合，KNN，遗传算法，最大熵，Generalized Instance Set等[3]。将语义分析算法应用在文本分类中[4]是本文研究的重点。

1 需求分析

这里需要一种可以运行在云端的文本分类软件，软件主要运行在安卓客户端和云端服务器之间。要求软件使用最小数据量实现最大程度的云端数据整合和文本分析准确率。

1.1 流程分析

本文需求并不要求更智能化的识别方式，而是通过语义分析法，通过对特殊关键词和关键词组合的方式进行识别得到文本分类结果。本文的研究内容主要用于识别和分析500字符之内的自然文本。这部分自然文本主要应用在对网络页面文本进行分析，同时用于对捕捉到的超文本标识代码进行内容文本和代码段的识别，业务流程图如图1所示。……