基于改進(jìn)TF-IDF算法的文本分類方法研究

賀科達(dá)， 朱錚濤， 程　昱

(廣東工業(yè)大學(xué) 信息工程學(xué)院，廣東 廣州 510006)

?

基于改進(jìn)TF-IDF算法的文本分類方法研究

賀科達(dá)， 朱錚濤， 程昱

(廣東工業(yè)大學(xué) 信息工程學(xué)院，廣東 廣州 510006)

類別關(guān)鍵詞是文本分類首先要解決的關(guān)鍵問題，在研究利用類別關(guān)鍵詞及TF-IDF算法對(duì)文本進(jìn)行分類的基礎(chǔ)上，提出了一種改進(jìn)的TF-IDF算法.首先建立類別關(guān)鍵詞庫，并對(duì)其進(jìn)行擴(kuò)充及去重，克服了向量空間模型不能很好調(diào)節(jié)權(quán)重的缺點(diǎn).通過加入文檔長(zhǎng)度權(quán)值修正文檔中關(guān)鍵詞的權(quán)重，有效地解決了原有特征詞條類別區(qū)分能力不足的問題.采用貝葉斯分類方法，結(jié)合實(shí)驗(yàn)驗(yàn)證了該算法的有效性，提高了文本分類的準(zhǔn)確度.

提?。?特征選擇； 文本分類； 預(yù)處理

隨著網(wǎng)絡(luò)技術(shù)的不斷發(fā)展，全球信息化以驚人的速度快速發(fā)展.近年來更是在全球范圍內(nèi)掀起了傳播數(shù)據(jù)信息的浪潮，企業(yè)積累了大量的數(shù)據(jù)，這是它們最為寶貴的財(cái)富.對(duì)海量數(shù)據(jù)的獲取、匯總、聚類[1]、分類顯得尤為重要，其中文本分類的作用也越來越重要.文本分類[2]指對(duì)于所給出的文本集合，將每篇文檔歸入到按照預(yù)先定義的一個(gè)或者多個(gè)主題類別當(dāng)中.而文本自動(dòng)分類則是通過計(jì)算機(jī)程序來實(shí)現(xiàn)文本的準(zhǔn)確、高效的分類.文本分類是數(shù)據(jù)挖掘中的一個(gè)重要內(nèi)容.中文文本分類的基本步驟是中文分詞、特征提取、訓(xùn)練模型、預(yù)測(cè)類別等步驟.在眾多的文本分類算法中，主要有Rocchio算法、樸素貝葉斯分類算法[3]、決策樹算法[4]、K-means算法、神經(jīng)網(wǎng)絡(luò)算法和SVM(Support Vector Machine)算法[5].

文本分類的研究可以追溯到20世紀(jì)60年代， 1957年美國IBM公司的盧恩(H.P.Luhn)提出的基于詞頻統(tǒng)計(jì)的抽詞標(biāo)引法[6]，在這一領(lǐng)域進(jìn)行了開創(chuàng)性的研究.對(duì)于TF-IDF算法，國內(nèi)外學(xué)者做了大量的改進(jìn)工作，研究?jī)?nèi)容主要圍繞IDF計(jì)算方法展開，對(duì)其進(jìn)行改進(jìn).TF-IDF算法源于Salton在文獻(xiàn)[7]中提出的TFDF算法.此后，Salton多次論證TFDF算法在信息檢索中的有效性[8].在此基礎(chǔ)上，國外學(xué)者Forman[9]運(yùn)用概率統(tǒng)計(jì)方法度量并比較關(guān)于類別分布的顯著性，對(duì)IDF的計(jì)算方法采用二元正太分割(Bi-Nor-mal Separation)計(jì)算方法.Lan等[10]提出TF-RF算法，用相關(guān)性頻率(RF)方法代替IDF計(jì)算方法，在這一領(lǐng)域進(jìn)行了卓有成效的研究.國內(nèi)學(xué)者張玉芳等[11]提出增加在某一個(gè)類中頻繁出現(xiàn)的詞條的權(quán)重，結(jié)合遺傳算法[12]使得分類準(zhǔn)確率有所提高.張瑾[13]通過加入位置權(quán)值及詞跨度權(quán)值來避免單純采用TF-IDF算法產(chǎn)生的偏差.雖然還有一些學(xué)者對(duì)TF-IDF方法進(jìn)行了其他方面的一些改進(jìn)，但是還存在特征詞權(quán)值波動(dòng)，對(duì)信息增益、信息熵、相關(guān)性頻率等計(jì)算量大，復(fù)雜度高等問題[14].針對(duì)這些問題，本文研究TF-IDF改進(jìn)算法，解決向量空間模型問題，通過加入文檔長(zhǎng)度權(quán)值，修正文檔中關(guān)鍵詞的權(quán)重，有效地解決了因?yàn)闄?quán)值問題使得特征詞條的類別區(qū)分能力不足的問題.

1　文本預(yù)處理

1.1文本分詞及關(guān)鍵詞選取

文本分詞是文本處理中最基本的過程，在中文文本中可以選擇字、詞或者詞組作為文本的特征項(xiàng)，相比較而言，詞比字和詞組具有更多優(yōu)勢(shì)，具有更強(qiáng)的表達(dá)能力，更加容易切分.因此，在對(duì)文本進(jìn)行預(yù)處理時(shí)采用的方法通常是分詞處理.本文采用ICTCLAS[15]對(duì)每篇文章進(jìn)行中文分詞，根據(jù)特征權(quán)重計(jì)算方法構(gòu)建VSM(Vector Space Model)模型.如果把所有的詞都作為特征項(xiàng)，則特征向量維數(shù)過大，計(jì)算量也隨之變大，故需要減少詞的數(shù)量以此來降低向量空間維數(shù)，從而減少計(jì)算量，提高計(jì)算速度和精準(zhǔn)度.本文采用選取關(guān)鍵詞對(duì)文章進(jìn)行降維，對(duì)于每一個(gè)類別的文章都有其對(duì)應(yīng)的關(guān)鍵詞，而每篇文章都是圍繞相應(yīng)的主題展開的，各個(gè)主題之間都有相對(duì)明顯的區(qū)別，每個(gè)類可以通過類別關(guān)鍵詞來表示.所以，文本中的關(guān)鍵詞對(duì)文本分類具有特殊的作用.例如，一篇關(guān)于環(huán)境的文章中可能會(huì)出現(xiàn)“海嘯”、“大氣污染”、“溫室效應(yīng)”等詞匯.根據(jù)類別關(guān)鍵詞可以組成關(guān)鍵詞詞庫，這樣使得分類效率和速度得到很大的提升.關(guān)鍵詞庫組建主要包括以下幾個(gè)方面：

(1) 通過分詞軟件得到類別關(guān)鍵詞詞匯列表；

(2) 根據(jù)人工分類體系將每個(gè)類別中的文章主題詞組成一個(gè)類別詞庫；

(3) 根據(jù)關(guān)鍵詞的同義詞對(duì)其進(jìn)行拓展，然后去掉重復(fù)詞匯.

1.2文本表示

在對(duì)文本進(jìn)行分類時(shí)，需將文本轉(zhuǎn)化為向量，能夠被計(jì)算機(jī)處理，其中向量空間模型是文本表示的常用模型之一.VSM[16]模型概念簡(jiǎn)單，把文本內(nèi)容轉(zhuǎn)化為向量運(yùn)算，并且以空間上的相似度表達(dá)語義相似度，直觀易懂.文檔被看作為一個(gè)多維向量，特征項(xiàng)當(dāng)作其中的一維，特征項(xiàng)的TF-IDF值作為向量分量的值，通過余弦距離來表達(dá)文本相似性度量.

2　TF-IDF算法及其改進(jìn)

2.1傳統(tǒng)的TF-IDF及其存在的問題

TF-IDF是一種統(tǒng)計(jì)方法，廣泛應(yīng)用于文本分類， TF指的是一個(gè)詞或者詞組在文檔中的頻率，其主要思想[17]是：若在一篇文章中某個(gè)詞或詞組的TF值高且其在其他的文章中的TF值小，那么就認(rèn)為該詞或者詞組的類別區(qū)分能力強(qiáng)，和其他的詞或詞組相比，其更適宜用于分類.TF-IDF實(shí)際上是：TF×IDF，TF詞頻(Term Frequency) 表示詞條在文檔d中出現(xiàn)的頻率，IDF反文檔頻率(Inverse Document Frequency)是一個(gè)詞或者詞組的普遍重要性的度量，常用計(jì)算公式為式(1)、(2)[18]：

(1)

其中t表示特征詞條在文檔w中出現(xiàn)的次數(shù),s表示文檔w中出現(xiàn)的總詞條數(shù).

(2)

其中D表示語料庫中文檔總數(shù)，d表示包含特征詞條的文檔總數(shù).

由式(2)[19]可知，如果語料庫中的某一類文檔C中包含特征詞條t的文檔數(shù)為n，而在其他類中包含t的文檔總數(shù)為m.所以，在文檔集中所有包含特征詞條t的文檔數(shù)d=n+m，當(dāng)n增大的時(shí)候，d也會(huì)增大.當(dāng)d增大時(shí)，按照式(2)得到的IDF的值會(huì)變小，則說明該特征詞條t的對(duì)于文檔類別來說，它不能很好地區(qū)別于其他的文本類別，表明它的類別區(qū)分能力不是很強(qiáng).但是在實(shí)際文本分類中，如果特征詞條t在文本類別Ci中的文檔中頻繁出現(xiàn)，那么就說明特征詞條t能夠很好地代表類別Ci的文本的特征，具有較好的類別區(qū)分能力.對(duì)于類似特征詞條t這樣的詞條，在進(jìn)行權(quán)重賦值時(shí)，相較于其他的特征詞條應(yīng)該賦予更高的權(quán)重，并應(yīng)當(dāng)選來作為Ci類文本的特征詞，便于與其他類的文檔有所區(qū)別.當(dāng)關(guān)鍵詞在其他類頻繁出現(xiàn)時(shí)，原有IDF計(jì)算方法造成了分類能力的下降，這就是TF-IDF算法的不足之處.

2.2改進(jìn)后的TF-IDF算法

在多數(shù)文本分類中，特別是多類別文本分類中，對(duì)于某個(gè)特征詞條，該詞條可能會(huì)出現(xiàn)在該類別的多個(gè)文本中，也有可能出現(xiàn)在其他類別中，故而會(huì)使得特征詞條的權(quán)值不同.而權(quán)值的不同對(duì)分類的穩(wěn)定性產(chǎn)生很大的影響，在一定程度上會(huì)有波動(dòng)現(xiàn)象.

針對(duì)權(quán)值波動(dòng)現(xiàn)象，本文提出了IDF的改進(jìn)算法.在所選的數(shù)據(jù)集中有待分類文檔的類別集合C={C1，C2，…，Cm}，Cm(Cm∈C)中的文檔集合D={d1，d2，…，dn}，其中n為文檔的數(shù)目.文檔中出現(xiàn)的特征詞集合I={i1，i2，…，ik}，其中ik為Cm中所有出現(xiàn)的特征詞以及根據(jù)其拓展后的特征詞集合.針對(duì)傳統(tǒng)TF-IDF算法的不足，計(jì)算IDF時(shí)，以特征值的頻率與對(duì)應(yīng)文檔的長(zhǎng)度乘積比代替特征值的頻率比，對(duì)其進(jìn)行了均值化，這樣可以修正文檔中的關(guān)鍵詞權(quán)重，減少文檔長(zhǎng)度對(duì)權(quán)值的影響.改進(jìn)的IDF權(quán)重計(jì)算公式：

(3)

其中mi1表示特征詞條i在Ci類文本i1中出現(xiàn)的次數(shù)，li1表示文本i1的長(zhǎng)度，t表示所屬類別中包含特征詞條i的文本數(shù)目，ni2表示除了Ci類外，在其他類文本i2中特征詞條i出現(xiàn)的次數(shù)，li2表示文本i2的長(zhǎng)度，s表示所屬類別中包含特征詞條i的文本數(shù)目，n表示文本中特征詞條i的總數(shù)目，li3表示文本i3的長(zhǎng)度，k表示包含特征詞條i的文本總數(shù).

2.3分類算法

本文描述了文本預(yù)處理的方法并分析了TF-IDF算法的不足之處，據(jù)此本文對(duì)其進(jìn)行了優(yōu)化，在此基礎(chǔ)上本文利用貝葉斯算法[20]對(duì)文本進(jìn)行分類，并通過實(shí)驗(yàn)來評(píng)價(jià)TF-IDF算法的性能.其主要步驟如下：

(1) 通過分詞軟件對(duì)數(shù)據(jù)集中的文本進(jìn)行關(guān)鍵詞提取并對(duì)其進(jìn)行擴(kuò)展得到關(guān)鍵詞庫；

(2) 對(duì)得到的關(guān)鍵詞庫建立VSM模型，把文本內(nèi)容轉(zhuǎn)化為向量運(yùn)算；

(3) 利用優(yōu)化后的TF-IDF算法分別計(jì)算每個(gè)關(guān)鍵詞的TF-IDF值；

(4) 將獲得的TF-IDF值作為特征向量，采用貝葉斯算法對(duì)文本進(jìn)行分類，結(jié)合實(shí)驗(yàn)評(píng)估改進(jìn)算法的性能.

3　實(shí)驗(yàn)及分析

3.1評(píng)價(jià)標(biāo)準(zhǔn)

對(duì)于優(yōu)化后的算法需對(duì)其性能進(jìn)行評(píng)估，評(píng)估文本分類系統(tǒng)的性能，國際上有通用的評(píng)估指標(biāo)，包括召回率(Recall)、查準(zhǔn)率(Precision)和F1評(píng)估值3項(xiàng).本實(shí)驗(yàn)采用這3項(xiàng)指標(biāo)對(duì)改進(jìn)的后的TF-IDF算法進(jìn)行測(cè)試.其對(duì)應(yīng)的公式[21]分別如下：

(4)

召回率是衡量文本分類系統(tǒng)從數(shù)據(jù)集中分類成功度的一項(xiàng)指標(biāo)，體現(xiàn)了分類的完備性，A表示分類正確的文本數(shù)，(A+B)表示總的文本數(shù).

(5)

查準(zhǔn)率是衡量文本系統(tǒng)中分類的準(zhǔn)確程度，A表示分類正確的文本數(shù)，(A+C)表示總的文本數(shù).

(6)

召回率和查準(zhǔn)率之間具有互逆關(guān)系，它們反映了分類準(zhǔn)確性的兩個(gè)不同方面，當(dāng)P的指標(biāo)上升時(shí)，會(huì)導(dǎo)致R的指標(biāo)下降.所以取兩者的調(diào)和均值，由此可知，F(xiàn)1的值越大，分類效率也就越好.

3.2實(shí)驗(yàn)數(shù)據(jù)

數(shù)據(jù)集采用復(fù)旦大學(xué)計(jì)算機(jī)信息與技術(shù)系國際數(shù)據(jù)庫中心自然語言處理小組的語料庫，選取了其中6個(gè)主題作為本文的數(shù)據(jù)集，其中包括計(jì)算機(jī)、環(huán)境、農(nóng)業(yè)、經(jīng)濟(jì)、政治、體育.經(jīng)過選取關(guān)鍵詞后，將文本分為訓(xùn)練文本和測(cè)試文本，兩者彼此不重疊.各主題類的實(shí)驗(yàn)文本數(shù)如表1所示.

表1　實(shí)驗(yàn)數(shù)據(jù)

3.3實(shí)驗(yàn)結(jié)果及分析

實(shí)驗(yàn)分別對(duì)文本進(jìn)行關(guān)鍵詞提取，根據(jù)2.2提出的方法分別計(jì)算每個(gè)關(guān)鍵詞的TF-IDF值，采用貝葉斯算法對(duì)文本進(jìn)行分類，把經(jīng)本文改進(jìn)的TF-IDF的分類效果與引入位置權(quán)值及詞跨度權(quán)值的TF-IDF的分類效果進(jìn)行比較，得到的分類結(jié)果如表2所示.

表2　改進(jìn)方法的比較實(shí)驗(yàn)結(jié)果

表2中R、P和F1，R′、P′和F1′分別指的是引入位置權(quán)值及詞跨度權(quán)值的TF-IDF算法以及經(jīng)本文改進(jìn)后的TF-IDF算法計(jì)算得出的召回率、查準(zhǔn)率及F1值.從表2的實(shí)驗(yàn)結(jié)果可以看出，經(jīng)過本文改進(jìn)的TF-IDF，不管是召回率、查準(zhǔn)率還是F1值，相比于引入位置權(quán)值及詞跨度權(quán)值的TF-IDF算法都有一定的提升.可以分析得出本文改進(jìn)的TF-IDF算法在文本分類領(lǐng)域中有一定的優(yōu)勢(shì).

4　結(jié)語

本文針對(duì)類別關(guān)鍵詞改進(jìn)了TF-IDF算法，首先對(duì)文本進(jìn)行關(guān)鍵詞提取，然后通過計(jì)算其改進(jìn)后的TF-IDF值形成特征向量，最后根據(jù)貝葉斯算法對(duì)文本進(jìn)行分類.性能對(duì)照實(shí)驗(yàn)結(jié)果表明，經(jīng)過對(duì)TF-IDF算法進(jìn)行優(yōu)化后，分類準(zhǔn)確率得到了一定的改善.也就是說改進(jìn)后的TF-IDF方法優(yōu)于引入位置權(quán)值及詞跨度權(quán)值的TF-IDF的分類效果.本文通過提取類別關(guān)鍵詞，減少了特征向量維數(shù)，使得分類的時(shí)間效率有了一定的提高，可以減少約3%.因此改進(jìn)后的TF-IDF方法是有效且可行的.

關(guān)鍵詞的選取工作還有待進(jìn)一步完善：當(dāng)兩個(gè)類別相近時(shí)，其關(guān)鍵詞也有很多同義詞，故而會(huì)使得分類效果不好，比如實(shí)驗(yàn)中容易將農(nóng)業(yè)類的文章劃分到環(huán)境類中.

[1] 蔣盛益，王連喜.聚類分析研究的挑戰(zhàn)性問題[J]. 廣東工業(yè)大學(xué)學(xué)報(bào), 2014, 31(3):32-38.

JIANG S Y, WANG L X. Some challenges in clustering analysis[J]. Journal of Guangdong University of Technology, 2014, 31(3): 32-38.

[2] 譚學(xué)清，周通，羅琳.一種基于類平均相似度的文本分類算法[J].現(xiàn)代圖書情報(bào)技術(shù), 2014, 250 (9): 66-73.

TAN X Q, ZHOU T, LUO L. A text classification algorithm based on the average category similarity[J].New Technology of Library and Information Service, 2014, 250 (9): 66-73.

[3] GENG X L, GAO X Y, ZHAO B. Research on Chinese text classification based on Naive Bayesian method[C]∥Proceedings of the Fifth International Symposium on Test Automation & Instrumentation (Vol.1).[S. l.]:[s. n.], 2014: 226-230.

[4] KATZ G, SHABTAIA, ROKACH L. CONFDTREE O N: A statistical method for improving decision trees[J].Data Management and Data Mining, 2014,29(3):392-407.

[5] 陳培文，傅秀芬.采用SVM 方法的文本情感極性分類研究[J].廣東工業(yè)大學(xué)學(xué)報(bào)，2014,31(3):95-101.

CHEN P W, FU X F. Research on sentiment classification of texts based on SVM[J]. Journal of Guangdong University of Technology, 2014, 31(3): 95-101.

[6] 沈志斌，白清源.文本分類中特征權(quán)重算法的改進(jìn)[J].南京師范大學(xué)學(xué)報(bào), 2008, 8(4): 95-98.

SHEN Z B, BAI Q Y. Improvement of feature weighting algorithm in text classification[J]. Journal of Nanjing Normal University, 2008, 8(4): 95-98.

[7] SALTON G, YU C T. On the construction of effective vocabularies for information retrieval[J]. ACM Sigplan Notices, 1975, 9(3): 48-60.

[8] SALTON G. Extended boolean information retrieval[J].Cornell University, 1983, 11(4): 95-98.

[9] FORMAN G. BNS feature scaling: an improved representation over TF-IDF for SVM text classification[C]∥Proceedings of the 17th ACM Conference on Information and Knowledge Management. USA， California： ACM, 2008: 263-270.

[10] LAN M, TAN C L, LOW H B, et al. A comprehensive comparative study on term weighting schemes for text categorization with support vector machines[C]∥Special Interest Tracks and Posters of the 14th International Conference on World Wide Web.[S.l.]: ACM, 2005: 1032-1033.

[11] 張玉芳，彭時(shí)名，呂佳.基于文本分類TFIDF方法的改進(jìn)與應(yīng)用[J].計(jì)算機(jī)工程, 2006, 32(19): 76-78.

ZHANG Y F, PENG S M, LYU J. Improvement and application of TFIDF method based on text classification[J] Computer Engineering, 2006, 32(19): 76-78.

[12] 谷小青，易當(dāng)祥，劉春和.遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)與權(quán)值[J].廣東工業(yè)大學(xué)學(xué)報(bào)，2006, 23(4): 64-69

GU X Q, YI D X, LIU C H. Optimization of topological structure and weight value of artificial neural network using genetic algorithm[J]. Journal of Guangdong University of Technology, 2006, 23(4): 64-69.

[13] 張瑾.基于改進(jìn)TF-IDF算法的情報(bào)關(guān)鍵詞提取方法[J].情報(bào)雜志, 2014, 33(4): 153-155.

ZHANG J. A method of intelligence key words extraction based on improved TF-IDF[J]. Journal of Intelligence, 2014, 33(4): 153-155.

[14] 王清毅，張波，蔡慶生.目前數(shù)據(jù)挖掘算法的評(píng)價(jià)[J].小型微型計(jì)算機(jī)系統(tǒng), 2000, 21(1): 75-78.

WANG Q Y, ZHANG B, CAI Q S. Evaluation of current data mining algorithms[J] Mini- Micro System, 2000, 21(1): 75-78.

[15] ZHANG H P, YU H K, XIONG D Y, et al. HHMM-Based Chinese lexical analyzer ICTCLAS[C]∥Proceedings of the second SIGHAN workshop on Chinese language processing-Volume 17. PA: Association for Computational Linguistics, 2003: 184-187.

[16] 郭慶琳，李艷梅，唐琦. 基于VSM的文本相似度計(jì)算的研究[J].計(jì)算機(jī)應(yīng)用研究2008, 25(11): 3256-3258.

GUO Q L, LI Y M, TANG Q. Similarity computing of documents based on VSM[J]. Application Research of Computer, 2008, 25(11): 3256-3258.

[17] 覃世安,李法運(yùn).文本分類中TF-IDF方法的改進(jìn)研究[J].現(xiàn)代圖書情報(bào)技術(shù), 2013, 38(10): 27-30.

TAN S A, LI F Y. Improved TF-IDF method in text classification[J]. New Technology of Library and Information Service, 2013, 38(10): 27-30.

[18] GERARD SALTON，CHRISTOPHER BUCKLEY.Term-weighting approaches in automatic text retrieval[J]． Information Processing & Management,1988, 24( 5) : 513 -523．

[19] 徐山,杜衛(wèi)鋒.不可靠語料庫的提純及詞權(quán)度量指標(biāo)IDF的改進(jìn)[J].微型機(jī)與應(yīng)用, 2013, 32(4): 61-63.

XU S, DU W F. The purification of unreliable corpus and the improvement of word weight index IDF[J]. Microcomputer & Its Applications, 2013, 32(4): 61-63.

[20] 駱樺，張喜梅.基于貝葉斯分類法的股票選擇模型的研究[J].浙江理工大學(xué)學(xué)報(bào), 2015, 33(3): 418-422.

LUO H, ZHANG X M. Research on stock selection model based on bayesian classifier[J]. Journal of Zhejiang Sci-Tech University, 2015, 33(3): 418-422.

[21] YIMING Y. An evaluation of statistic approaches to text categorization[J]. Information Retrieva, 1999, 1(12): 69-90.

A Research on Text Classification Method Based on Improved TF-IDF Algorithm

He Ke-da, Zhu Zheng-tao，Cheng Yu

(School of Information Engineering, Guangdong University of Technology, Guangzhou 510006, China)

Establishing category keywords is the key problem in text classification, which should be solved first. On the basis of the classification of text by using the category keywords and TF-IDF algorithm, an improved TF-IDF algorithm has been proposed to overcome the shortcomings of the vector space model, which cannot well adjust the weights. Firstly, category keyword library should be established, and the expansion and duplication be carried out. The weight of keywords in the document is modified by the addition of the length of the document, and the shortage of the original features of the entry class distinction ability is solved effectively. By using Bayesian classification method, combined with the experiments, the effectiveness of the algorithm is verified, and the accuracy of text classification improved.

extraction; feature selection; text classification; pretreatment

2015- 09- 22

國家自然科學(xué)基金資助項(xiàng)目(11204043)

賀科達(dá)(1989-)，男，碩士研究生，主要研究方向?yàn)閿?shù)據(jù)與文本挖掘.

朱錚濤(1967-)，男，副教授，博士，主要研究方向?yàn)橛?jì)算機(jī)視覺檢測(cè)技術(shù).E-mail：511972136@qq.com

10.3969/j.issn.1007- 7162.2016.05.009

TP393

A

1007-7162(2016)05- 0049- 05