将文档归入大规模的网络分类法中是一项具有挑战性的研究问题,因为在分类法中存在大量的类别和相关文档。最先进的解决方案被称为narrow-down方法，它利用搜索引擎将整个类别层次结构减小到最相关的类别,并使用分类法选择其中最好的。在最近的语言建模方法中,顶级类别信息(或全球信息)被用于判断本地类别的恰当性,这使得性能得到了提升。然而,我们观察到，在一定条件下，使用全局信息在最终的类别选择上会产生限制性的影响。首先,尽管全局信息是由一个完整的层次结构的顶级类别分类产生的，但可能也是不准确的。第二,当两个相互排斥的类别共享相同的顶级类别，或当本地的类别信息在最终的类别选择上有较大的影响时，全局信息的影响不大。为了解决这种限制性，在这篇文章中，我们提出了两种额外的方法：
（1）在基于集成学习框架的顶级类别中，一种依赖期刊特征的元分类法
（2）基于统计反馈方法的查询修改模型，以此来改善查询文档表示，而不是在层次结构中编排信息。通过使用开放的词典项目测试集合来评估我们的方法。
文本分类是信息管理和检索领域的重要任务，特别是在网络环境中，面对海量的数据和复杂的分类体系，层次文本分类法（Hierarchical Text Classification, HTC）显得尤为重要。HTC的目标是将文档正确地归类到一个多层次的分类结构中，这涉及到大量的类别和相关文档。然而，由于类别数量庞大、类别间的关联复杂以及数据分布不均衡等问题，这项任务极具挑战性。
当前的解决策略之一是“narrow-down”方法，它借助搜索引擎将类别层次结构逐步缩小，找出与文档最相关的类别，然后利用分类法选取最佳类别。这种方法的优点在于高效性和有效性，但同时也存在局限性。全局信息，即顶级类别的信息，虽然能提供一定的指导，但可能会因信息不准确而误导分类。当两个互斥的类别共享相同的顶级类别，或者本地类别信息在最终分类中起决定作用时，全局信息的作用有限。
针对这些问题，文章提出了两种新的外部方法来改进全局信息的利用。一是基于集成学习框架的顶级类别元分类法，它利用期刊特征来增强分类效果。这种方法考虑了不同级别的类别特征，尤其是顶级类别，以提高分类的准确性。二是采用统计反馈方法的查询修改模型，该模型旨在优化查询文档的表示，而非仅依赖于层次结构中的信息。这两个方法的目的是减少全局信息的局限性，同时增强本地信息的影响力，以达到更精确的分类结果。
在统计语言模型的框架下，全局信息通常通过主动法和被动法来应用。主动法通过构建顶层类别分类获取全局信息，而被动法则用全局模型平滑本地模型。然而，这些方法在处理复杂决策边界和局部模糊性时可能表现不佳。因此，提出的元分类法和查询修改模型是对现有方法的补充，旨在克服这些限制，提高分类的精度。
为了验证新方法的有效性，研究人员使用了开放的词典项目测试集合进行评估。这个测试集合包含了广泛的主题和复杂的类别结构，能够充分检验新方法在实际环境中的性能。实验结果证明了所提方法对于提升层次文本分类效果的显著性。
本文关注的是在层次文本分类中全局信息的局限性，并提出了相应的解决方案。通过结合全局和局部信息，以及利用特定的期刊特征和统计反馈，可以提高在大规模网络分类法中的文档分类性能，这对于改善搜索引擎、问答系统和关键字推荐等应用具有重要意义。
