基于文本的数据挖掘

对数据的分类问题是人类所面临的一个非常重要且具有普遍意义的问题。将事物正确的分类，有助于人们认识世界，使杂乱无章的现实世界变得有条理。因此在科学技术、工农业生产以及工商业领域，数据分类、文本分类都起着至关重要的作用，例如人类基因序列的识别、电子商务、图书的分类、搜索引擎、动植物的分类等。同时，随着计算机技术的飞速发展，人们现在可以利用计算机自动的或者辅以少量的人工帮助，对大量的数据进行快速、准确的分类，人们称这种自动（半自动）的分类方法为分类器。近年来，随着Internet 的迅猛发展以及人们利用信息技术生产和搜集数据能力的大幅度提高，大规模的网络文本库不断涌现。为了便于在海量文本库中搜寻、过