11．4　本章小結

本章在對相關自動分類研究成果分析與借鑒的基礎上，提出了一個基于機器統(tǒng)計學習方法與基于規(guī)則分類相結合的分類模型^［3—4］，研究并實現(xiàn)了該自動分類系統(tǒng)，在選定語料集上進行了驗證實驗。譚金波等曾利用統(tǒng)計與規(guī)則結合的方法對網(wǎng)頁進行層次分類研究，其實驗表明，統(tǒng)計與規(guī)則結合的方法能獲得比較理想的分類效果^［5］。

該自動分類系統(tǒng)的新穎性主要體現(xiàn)在以下幾個方面：

①結合漢語構造法及復合詞成詞規(guī)律，借鑒關鍵詞輪排原理思想，結合相關統(tǒng)計模型，從正反兩個方向對原始抽詞詞典依據(jù)其中心詞進行壓縮和優(yōu)選，達到降維和準確表達主題的目的。

②在對不同特征選擇及權值計算方法的本質優(yōu)缺點分析的基礎上，采用多方法相結合的策略，以“投票”方式進行特征選擇和權值賦值，發(fā)揮各方法的優(yōu)勢，提高文本標引的準確性。

③針對不同分類體系所固有的特點，研究探索層次分類的算法，以達到準確進行分類的目的。

④在一定程度上實驗驗證了不同分類器的互補作用，探索并設計了基于機器統(tǒng)計學習法與決策規(guī)則法兩種方法的分類模型，探討了雙重分類的分界閾值及算法思路。

⑤研究了在保持分類能力的前提下，影響分類速度的相關因素，同時提出了改進方案。

該自動分類系統(tǒng)在開發(fā)過程中還存在以下幾方面不足之處：

①在基于粗糙集的規(guī)則提取與匹配部分沒有獨立進行相關算法的設計，同時也沒有對基于其他規(guī)則分類的算法進行對比實驗和可行性探索。

②系統(tǒng)對數(shù)據(jù)格式要求較為嚴格，適應性上存在局限性。

③本分類系統(tǒng)主要針對的是主題分類，并未考慮如地名、國別等因素，對基于《中圖法》分類體系的分類結果會產(chǎn)生潛在影響。

④對層次分類的集成還未完全實現(xiàn)。

結合以上本系統(tǒng)開發(fā)中的一些收獲與存在的問題，未來需要進一步完成解決的工作主要有以下幾點：

①除了保持本專業(yè)領域的固定的術語詞典外，如何較為徹底地解決生活中不斷涌現(xiàn)的大量的新生關鍵詞（尤其是進行新聞一類的文獻自動分類時），加入到文本自動標引中，更好地提高文本自動分類的效果，成為亟待解決的一個問題。

②分類體系是隨著發(fā)展需要而不斷調整的，如何使自動分類系統(tǒng)能夠隨著分類體系的變化具備一定的靈活性，尤其是當分類體系發(fā)生變化或新的語料加入到分類系統(tǒng)中時，如何利用已有的訓練結果，將其集成進新的訓練體系中，從而提高系統(tǒng)訓練分類的效率，也是一個不容忽視的問題。

如前所述，如何將層次分類的方法集成進分類系統(tǒng)中，能夠自由定制分類的層次，并利用層次分類的優(yōu)勢提高分類效果，也是未來本系統(tǒng)需要做的工作。