一种跨语种语料自动分类与检索方法

摘要

本发明属计算机信息处理技术领域，是一种跨语种语料自动分类与检索方法。其特点是用文本的Gram(n，s)表示以及其中的n-Gram分布特性来表示文本的特征，并由此计算文本之间的相似度；然后，根据相似度大小对文本进行自动聚类、领域分类、检索。与通常的基于字词频统计方法相比，本发明可同时处理多种语言，不需要任何词典，不需要对文本进行分词或抽词干等麻烦的预处理过程。方法的容错性、检索与分类的速度和精度等更为优越，且极易于在微机上实现。因此可广泛用于大规模多语种语料的自动聚类、邮件分类、信息过滤、电子会议以及信息检索服务等领域。