一种不需分词的中文文本分类方法 (2005年)

提出了一种不需分词的n元语法文本分类方法。与传统文本分类模型相比，该方法在字的级别上利用了”元语法模型，文本分类时无需进行分词，并且避免了可能造成有用信息丢失的特征选择过程。由于字的数量远小于词的数量，所以该分类方法与其它在词级别上的分类方法相比，有效地降低了数据稀疏带来的影响。系统地研究了模型中的关键因素以及它们对分类结果的影响。使用中文TREC提供的数据进行实验，结果表明，综合评价指标Fβ=1达到86.8%。