文本集特征提取方法及应用研究

互联网上的信息类型和信息量快速膨胀，但作为互联网海量信息中最基本的类型- - 文本信息的组织和检索效率仍难以令人满意。迄今为止，网上文本信息的组织非常混乱，获取和利用的方式比较简单。由于计算机不可能象人类一样理解和使用文本信息，所以必须把文本表示为某种计算机能够处理的方式，以便更好的挖掘和使用这些信息。. 文本集特征提取就是一种文本表示方法，通过对文本的分词，词条过滤，并使用语义映射处理同义词和多义词，将词条映射为特征，再通过某种算法计算特征值，根据某种标准选择若干特征，构建一个特征向量空间，使每个文本都可以表示为该空间中的一个向量。. 提取的文本特征可用于文本集的分类和聚类，或用于信息提取系统中，以便于更好的组织和利用文本信息。