Please wait a minute...
Advanced Search
现代图书情报技术  2015, Vol. 31 Issue (7-8): 97-103    DOI: 10.11925/infotech.1003-3513.2015.07.13
  研究论文 本期目录 | 过刊浏览 | 高级检索 |
利用类别引导词的投诉文本分类
胡菊香1, 吕学强1, 刘克会2,3
1 北京信息科技大学网络文化与数字传播北京市重点实验室 北京 100101;
2 北京理工大学管理与经济学院 北京 100081;
3 北京城市系统工程研究中心 北京 100035
Complaint Text Classification Based on Guiding Words
Hu Juxiang1, Lv Xueqiang1, Liu Kehui2,3
1 Beijing Key Laboratory of Internet Culture and Digital Dissemination Research, Beijing Information Science and Technology University, Beijing 100101, China;
2 School of Management and Economics, Beijing Institute of Technology, Beijing 100081, China;
3 Beijing Research Center of Urban System Engineering, Beijing 100035, China
全文: PDF(3159 KB)   HTML  
输出: BibTeX | EndNote (RIS)      
摘要 

目的】针对投诉事件文本具有信息量大、非结构化、规律性不强等特点, 当前城市投诉信息管理亟需寻找一种高效的分类方法, 提高管理人员的工作效率。【方法】分析投诉事件特点进而对其进行文本预处理; 借助句法分析器、同义词林, 并通过文档贡献度过滤引导词; 采用TF-IDF计算引导词权重系数, 并以VSM表示, 最后通过SVM对处理后的投诉事件文本进行分类。【结果】在多个类别投诉事件测试文本中, 该方法查准率和查全率平均值达到82.1%和82.3%。【局限】投诉事件文本的稀疏性在一定程度上影响分类结果。【结论】实验证明该方法在投诉事件文本分类中是有效的、可行的, 能够提高投诉文本分类效果。

服务
把本文推荐给朋友
加入引用管理器
E-mail Alert
RSS
作者相关文章
Abstract

[Objective] For complaint text has the characteristics of informative, unstructured, weak regularity etc., the current information management of city complaint needs an efficient classification method to improve the efficiency of the management staff.[Methods] Analyze the characteristics of complaints and go for text preprocessing; Then use the parser, synonyms forest, and through the contribution of the document to filter guide word; At last, calculate the guide word weighting coefficients with TF-IDF, use VSM model to represent guide words and use SVM model to classify the complaint text. [Results] In multiple categories of complaint text, the average precision of the method is up to 82.1% and the average recall is up to 82.3%. [Limitations] Thesparsity of complaint text affects the classification results to a certain extent.[Conclusions] The experiment results show that the method is effective and feasible in the text classification of complaints, and it can improve categorization effect of thecomplaint text.

收稿日期: 2015-01-19     
:  TP391.1  
基金资助:

本文系国家自然科学基金项目"基于本体的专利自动标引研究"(项目编号: 61271304)、北京市教委科技发展计划重点项目暨北京市自然科学基金B类重点项目"面向领域的互联网多模态信息精准搜索方法研究"(项目编号: KZ201311232037)和北京市科学技术研究院创新工程项目"面向智慧城市的公共设施协同管理关键技术研究"(项目编号: PXM2014_17825_000002)的研究成果之一。

通讯作者: 胡菊香, ORCID: 0000-0003-1439-121X, E-mail: xiangxiang.891002@163.com。     E-mail: xiangxiang.891002@163.com
作者简介: 作者贡献声明: 吕学强: 提出研究命题, 提供数据; 胡菊香: 提出研究思路, 设计研究方案、完成实验并分析数据, 起草、撰写论文; 刘克会: 论文修订。
引用本文:   
胡菊香, 吕学强, 刘克会. 利用类别引导词的投诉文本分类[J]. 现代图书情报技术, 2015, 31(7-8): 97-103.
Hu Juxiang, Lv Xueqiang, Liu Kehui. Complaint Text Classification Based on Guiding Words. New Technology of Library and Information Service, DOI:10.11925/infotech.1003-3513.2015.07.13.
链接本文:  
http://manu44.magtech.com.cn/Jwk_infotech_wk3/CN/10.11925/infotech.1003-3513.2015.07.13

[1] 杨柳, 殷钊, 滕建斌, 等.改进贝叶斯分类的智能短信分类方法[J].计算机科学, 2014, 41(10): 31-35.(Yang Liu, Yin Zhao, Teng Jianbin, et al. Intelligent SMS Classification Method Based on Improved Bayes Classification Algorithm[J].Computer Science, 2014, 41(10): 31-35.)
[2] 苑迪文.基于 KNN 的专利文本分类算法研究[D]. 焦作: 河南理工大学, 2012.(Yuan Diwen. Research of Patent Text Classification Algorithm Based on KNN[D]. Jiaozuo: Henan Polytechnic University, 2012.)
[3] Basu A, Walters C, Shepherd M. Support Vector Machines for Text Categorization [C]. In: Proceedings of the 36th Annual Hawaii International Conference on System Sciences. IEEE, 2003.
[4] 何国辉, 吴礼发.基于机器学习的文本分类技术的研究[J].计算机与现代化, 2009, 8(8): 4-6.(He Guohui, Wu Lifa. Research on Text Categorization Based on Machine[J].Computer and Modernization, 2009, 8(8): 4-6.)
[5] 王鹏, 樊兴华.中文文本分类中利用依存关系的实验研究[J].计算机工程与应用, 2010, 46(3): 131-133.(Wang Peng, Fan Xinghua. Study on Chinese Text Classification Based on Dependency Relation [J].Computer Engineering and Applications, 2010, 46(3): 131-133.)
[6] 韩永峰, 郭志刚, 陈翰, 等.基于领域特征词的突发事件层次分类方法[J].信息工程大学学报, 2012, 13(5):593-600.(Han Yongfeng, Guo Zhigang, Chen Han, et al. Hierarchical Text Classification of Emergency Events Based on Domain Features[J]. Journal of Information Engineering University, 2012, 13(5): 593-600.)
[7] 夏海峰, 陈军华.基于文本挖掘的投诉热点智能分类[J]. 上海师范大学学报: 自然科学版, 2013, 42 (5): 470-475.(Xia Haifeng, Chen Junhua. Hot Complaint Intelligent Classification Based on Text Mining[J].Journal of Shanghai Normal University: Natural Sciences, 2013, 42(5): 470-475.)
[8] Yoon Y, Lee G G. Two Scalable Algorithms for Associative Text Classification[J]. Information Processing & Management, 2013, 49(2): 484-496.
[9] Chi N, Lin K, Hsieh S. Using Ontology-based Text Classification to Assist Job Hazard Analysis[J]. Advanced Engineering Informatics, 2014, 28(4): 381-394.
[10] Javed K, Maruf S, Babri H A. A Two-stage Markov Blanket Based Feature Selection Algorithm for Text Classification[J]. Neurocomputing, 2015, 157: 91-104.
[11] ICTCLAS [EB/OL].[2014-07-28].http://ictclas.nlpir.org/.
[12] 语言云(语言技术平台云LTP-Cloud)[EB/OL].[2014-09-20].http://www.ltp-cloud.com/.(LTP-Cloud[EB/OL].[2014-09-20].http://www.ltp-cloud.com/.)
[13] 李太白.短文本分类中特征选择算法的研究[D]. 重庆: 重庆师范大学, 2013.(Li Taibai. Research of Feature Selection Algorithm in Short Text Classification[D]. Chongqing: Chongqing Normal University, 2013.)
[14] 汪廷华, 田盛丰, 黄厚宽.特征加权支持向量机[J].电子与信息学报, 2009, 31(3): 514-518.(Wang Tinghua, Tian Shengfeng, Huang Houkuan. Feature Weighted Support Vector Machine [J]. Journal of Electronics & Information Technology, 2009, 31(3): 514-518.)
[15] 施聪莺, 徐朝军, 杨晓江.TFIDF 算法研究综述 [J].计算机应用, 2009, 29(6): 167-170.(Shi Congying, Xu Chaojun, Yang Xiaojiang. Study of TFIDF Algorithm [J]. Journal of Computer Applications, 2009, 29(6): 167-170.)
[16] 高金勇, 徐朝军, 冯奕竸.基于迭代的TFIDF在短文本分类中的应用[J].情报理论与实践, 2011, 34(6): 120-122.(Gao Jinyong, Xu Chaojun, Feng Yijing. Application of the Iteration-based TFIDF in Short Text Classification[J].Information Studies: Theory & Application, 2011, 34(6): 120-122.)
[17] 宗成庆.统计自然语言处理[M].北京: 清华大学出版社, 2008.(Zong Chengqing. Statistical Natural Language Processing [M]. Beijing: Tsinghua University Press, 2008.)
[18] 苏金树, 张博锋, 徐昕.基于机器学习的文本分类技术研究进展[J].软件学报, 2006, 17(9): 1848-1859.(Su Jinshu, Zhang Bofeng, Xu Xin. Advance in Machine Learning Based Text Categorization[J]. Journal of Software, 2006, 17(9): 1848-1859.)
[19] Vapnik V. The Nature of Statistical Learning Theory[M]. New York: Springer-Verlag, 1995.
[20] 张启蕊, 董守斌, 张凌.文本分类的性能评估指标[J].广西师范大学学报: 自然科学版, 2007, 25(2): 119-122.(Zhang Qirui, Dong Shoubin, Zhang Ling.Performance Evaluation in Text Classification[J].Journal of Guangxi Normal University: Natural Science Edition, 2007, 25(2): 119-122.)

[1] 李晓峰,马静,李驰,朱恒民. 基于XGBoost模型的电商商品品名识别算法研究 *[J]. 数据分析与知识发现, 2019, 3(7): 34-41.
[2] 许德山, 李辉, 张运良. 文献关键词链接标引方法研究[J]. 现代图书情报技术, 2015, 31(9): 31-37.
[3] 陈诗琴, 李文江. WebSocket在图书馆移动信息服务中的应用[J]. 现代图书情报技术, 2015, 31(9): 90-96.
[4] 段宇锋, 朱雯晶, 陈巧, 刘伟, 刘凤红. 条件随机场与领域本体元素集相结合的未登录词识别研究[J]. 现代图书情报技术, 2015, 31(4): 41-49.
[5] 李军锋, 吕学强, 周绍钧. 带权复杂图模型的专利关键词标引研究[J]. 现代图书情报技术, 2015, 31(3): 26-32.
[6] 马宾, 殷立峰. 一种基于Hadoop平台的并行朴素贝叶斯网络舆情快速分类算法[J]. 现代图书情报技术, 2015, 31(2): 78-84.
[7] 侯婷, 吕学强, 李卓. 专利术语抽取的层次过滤方法[J]. 现代图书情报技术, 2015, 31(1): 24-30.
[8] 唐守利, 徐宝祥. 基于本体的云服务语义检索系统研究[J]. 现代图书情报技术, 2014, 30(12): 27-35.
[9] 唐晓波, 肖璐. 基于依存句法网络的文本特征提取研究[J]. 现代图书情报技术, 2014, 30(11): 31-37.
[10] 石翠, 王杨, 杨彬, 姚晔. 面向中文专利文献的单层并列结构识别[J]. 现代图书情报技术, 2014, 30(10): 76-83.
[11] 张永军, 刘金岭, 马甲林. 中文短信文本信息流中多话题的分类抽取[J]. 现代图书情报技术, 2014, 30(7): 101-106.
[12] 李文江, 陈诗琴. 微信作为APP客户端的图书馆公共服务平台[J]. 现代图书情报技术, 2014, 30(7): 133-138.
[13] 汤青,吕学强,李卓,施水才,. 领域本体术语抽取研究*[J]. 现代图书情报技术, 2014, 30(1): 43-50.
[14] 李文江, 陈诗琴. 基于Android GCM服务的图书馆信息推送系统设计[J]. 现代图书情报技术, 2013, 29(11): 91-96.
[15] 熊李艳, 谭龙, 钟茂生. 基于有效词频的改进C-value自动术语抽取方法[J]. 现代图书情报技术, 2013, 29(9): 54-59.
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
版权所有 © 2015 《数据分析与知识发现》编辑部
地址:北京市海淀区中关村北四环西路33号 邮编:100190
电话/传真:(010)82626611-6626,82624938
E-mail:jishu@mail.las.ac.cn