史玉珍， 吕琼帅

(平顶山学院 软件学院，河南 平顶山 467000)



基于进化模糊规则的Web新闻文本挖掘与分类方法

史玉珍*， 吕琼帅

(平顶山学院 软件学院，河南 平顶山 467000)

针对现有Web新闻文本分类方法准确率低且不能适应文本类型变化的问题，提出一种基于进化模糊规则的Web新闻文本挖掘和分类方法．首先，对每篇Web文本进行术语提取，并利用词频-逆向文档频率(TF-IDF)算法过滤掉一些具有较低描述能力的术语．然后，基于计算收集到的新的新闻文本内容与类别之间的余弦距离，利用eClass0分类器创建和更新模糊规则的数量和属性．最后，根据模糊规则推理和余弦距离进行文本分类．实验结果表明，该方法具有较高的正确分类率，且能够自适应Web新闻文本类别的变化．

Web新闻；文本分类；进化模糊规则；余弦距离；词频-逆向文档频率算法

学者提出了多种Web新闻文本分类方法，例如，[1]提出一种基于人工神经网络(ANN)的Web文本分类方法．[2]提出了一种基于K最近邻(KNN)的文本分类器，通过计算待分类文档与其最近的 K个邻近文档之间的距离来进行分类．然而，其分类速度受到训练文档的数量影响．[3]利用信息增益提取文本特征，并基于支持向量机(SVM)进行Web文本分类．然而，上述方法都是将新闻分类为预定义的类别中，没有考虑到Web新闻文本类型的不断变化．为此，本文提出了一种基于进化模糊规则的Web新闻分类方法，对每篇Web文本进行术语提取和术语过滤，形成精简术语集．根据新的新闻……