深层次分类中候选类别搜索算法

　　针对深层次分类中分类准确率低、处理速度慢等问题，提出一种待分类文本的候选类别搜索算法。首先，引入搜索、分类两阶段的处理思想，结合类别层次树的结构特点和类别间的相关联系等隐含的领域知识，进行了类别层次权重分析和特征项的动态更新，为类树层次结构的各个节点构建更具分类判断力的特征项集合；进而，采用深度优先搜索算法并结合设定阈值的剪枝策略缩小搜索范围，搜索得到待分类文本的最优候选类别；最后，在候选类别的基础上应用经典的K最近邻（KNN）分类算法和支持向量机（SVM）分类算法进行分类测试和对比分析。实验结果显示，所提算法的总体分类性能优于传统的分类算法，而且使平均Fi值较基于贪心策略的启发式搜索算法提高了6%左右。该算法显著提高了深层次文本分类的分类准确度。