一种简单的基于奖励机制的文本分类算法

摘要

本文在研究了多种文本分类算法基础上,提出了一种新颖的基于奖励机制的文本分类算法SAM.这种算法借鉴了基于语义知识的概念层次网络(HNC)模型,考虑了词语在不同句类和句子结构中的影响力、词语的类内分布和类间分布对识别特征词的不同影响,提出奖励机制的概念.另外,我们使用了基于字节编码的多模式匹配算法BCAC,使得文本匹配的计算过程简单而高效.最后,我们将该算法与经典文本分类算法如KNN、SVM等作了比较,得出本算法的分类准确度比KNN平均高出近10个百分点,与SVM的分类效果不相上下,而且,本算法除具有较高的稳定性和准确性外.在分类速度上也大大提高,远优于其他算法.