XML文档分类中特征表达方法的研究

XML文档分类技术可以高效地管理海量存在的数据，XML文档同时拥有结构信息和文本信息。为充分利用XML特点，优化分类效果，在结构链接表达模型（structured link vector model，简称SLVM）的基础上，提出了一种新的特征表达方法，即P-SLVM表达模型。该模型在传统的tf*idf的权重设置方式基础上，根据特征词在类中的分布情况，对特征词权重设置进行改进，同时利用泊松分布理论、特征词所在位置等对结构单元进行加权，以更为有效地表达结构信息和内容信息。实验结果表明，在P-SLVM表达模型下进行的XML文档的分类，有更好的分类效果。

Research on Feature Expression Methods in XML Document Classification