中文文献自动分类技术研究

中文文献自动分类系统是一个智能软件系统。我们采用语料库和人工智能相结合的方法。首先抓住中文文本自动分词中的岐义切分和专有名词识别的研究。建立了岐义字段库，近8万条。填补了国内空白。在国内，首次使用了中国姓氏和中国地名用字使用度，采用基于统计信息和基于词汇/词性规则的算法，使自动分词的正确率达到96%左右，达到了实用化要求。其次，我们提出了一种基于词的三维加权自动分类方法。该方法基于《中国档案分类法》的分类体系，在对文本的归类判定中，考虑了类别词的频度、出现位置和专指度等因素，并辅以规则进行控制和调整。开发了“金融档案自动分类系统”和“财政公文自动分类系统”，分类正确率达到85%，正在向实用化过渡。