论文部分内容阅读
现有的博客文章分类的研究通常直接沿用传统文本分类方法，并没有结合博客自身的特点。研究基于文章要素的影响分析实现分类效果的改进。提出了一种简单的博客文本去噪方法，以保证博客数据的可靠性；提出了基于博客标签的中文词库扩展方法，用于改善中文分词效果，以提高博客分类的准确性；根据综合评价模型G1法计算博客文章中标题、标签、类别、首段、末段以及正文等文章要素的权重，分析它们对博客分类的影响。实验结果表明，研究提出的方法比传统的TFIDF方法有更好的分类效果。