文件自动分类系统Delphi

            文件自动分类系统

摘要:随着网络信息的迅猛发展，信息分类已经成为人们获取有用信息不可缺少的工具，文件自动分类系统是信息分类的重要研究方向，它是指在给定的分类体系下，根据文件的内容自动判别文件类别的过程。
目前，向量空间模型是进行大规模文件处理的最佳模型，首先对向量空间模型进行了研究和探讨，包括：向量空间模型的基本概念、特征项的选择、特征项的提取算法等等。
然后，本文介绍了几种常用的基于向量空间模型的文件分类算法，同时描述了具体的算法步骤。
针对训练样本收集整理工作困难的问题，本文重点探讨了文件分类算法结合的可能性，并具体提出了1种实际可行的的文件分类系统的设计方法，该分类系统由训练过程、分类过程两部分组成，系统采用细致的模块化设计，具有很强的扩展性和灵活性。在本文提出并实现的文件分类系统上，进行了测试工作，并得到了严格的实验数据。
关键词:文件分类；向量空间模型；特征项的提取；特征项的选择

Automatic classification of documents system

ABSTRACT: In recent years , information categorization turns more and more important for us to get useful information . File Categorization, i.e. automated assigning files to predefined categories based on their contents, is a task of increasing importance.
Now, Vector Space Model (VSM) is the best model for large scale of file processing. Firstly, We discuss the key techniques of VSM, including: basic conception of VSM, Feature Selection and Feature Extraction.
 The second part is the introduction to several common File Categorization methods and the algorithms are presented in detail. （科教论文网 lw.NsEac.com编辑整理）
 In many important file classification problems, acquiring class labels for training documents is costly. This paper show that the accuracy of file classifiers trained with a small number of labeled documents can be improved by using VSM  methods. The proposed classification system is divided into two parts: training procedure and classifying procedure . The system has good scalability and flexibility. Based on the file classification system, we have done much work on testing and have got much precise data.
Keywords: File Classification;Vector Space Model; Feature Selection; Feature Extraction
 
目录
1 前言 1
1.1 文件分类系统的问题描述 1
1.2 系统概述 1
1.3 文本分类系统的研究目的和意义 2
1.4 的主要内容 3
1.4.1研究内容 3
1.4.2本文的组织 3
2.发展现状及相关技术、工具介绍 5
2.1 系统发展现状 5
2.2 Delphi的概述 5
2.3 Delphi开发数据库应用程序 9
2.4 Delphi应用程序框架和设计 9
2.5 Delphi多媒体应用程序 10
3.系统的总体设计 11
3.1 系统需求分析 11
3.2 设计的基本思想 11
3.3 系统的结构设计 11
3.4 文件分类关键技术 13
3.5 系统开发环境 18
3.6 运行环境 19
4.系统的结构与实现 20
4.1 功能模块的实现和程序框图 20
4.1.1 创建1个工程 20
4.1.2 语料库维护模块 20
4.1.4 特征提取 21
4.1.5 系统流程 22
4.1.6 文件分类模块 23
4.1.7 文件分类流程 24
4.2 测试结果 25
4.3运行结果 28
5.结论和展望 29
致  谢 30
参考文献 31
附录 32
 

1 前言
210世纪910年代以来，Internet 以惊人的速度发展起来，它容纳了海量的各种类型的原始信息，包括文本信息、声音信息、图像信息等等。信息的高速增长迫切要求信息处理技术的不断进步，文本分类系统是近年来信息处理领域的1个很重要的方向[10]。它能够依据文本的语义将大量的文件自动分门别类，从而更好地帮助人们把握文本信息。