Abstract
文件分類與圖型辨識有異曲同工之妙；前者在利用方法將一段文章歸類，後者則包括歸類與鑑識的技巧，因此基本上來說，我們可以將圖型辨識裡歸類的方法應用在文件分類上。本論文採用數種圖型辨識的方法，對某一已量化的文件群作分類，並將之與由人來辨識的結果作比較。最後探討各種方法的優劣，與人工分類為什麼達不到預期的結果。什麼叫文件分類？文件分類亦即用電腦自動化的方式自動歸類一段文字。這種應用目前在資訊檢索與自然語言處理扮演重要的角色，一方面因為拜電腦產業急速發展之賜，大量的資料處理變為可能，機械學習較以往容易完成，而透過機械學習，分類的工作可以由此達成。另一方面與生活相關的，則是網路科技的風行，造就全球資訊網這股無法抗拒的潮流；如何在茫茫的網際大海中找出想要的網頁，搜尋引擎就扮演一個重要的角色；如何快速找到想要的網頁，經過分類較容易達成目的。數量這麼龐大的網頁不可能全由人工分類，自動化勢在必行。本文將應用一些實用的圖型辨識方法，包括高維高斯機率分佈法，Ｋ最近點法則，以及最接近類別樣版歸類法，以展示文件分類自動化的可行性，並將這些結果與由一般非專業人士所作的分類結果作比較，藉以對自動分類的結果有一個一般性的概念。文章最後並提出一些未來可供研究的方向，主要側重在加強結果的分析，由此改良實驗的方法。Document classification is closely related to patternrecognition. Inthis study, we apply several conventionalpattern recognition methodsfor document classification. Wepropose an efficient method for findingthe nearest neighbor inthe KNNR method. Moreover, we derive an incre-mental formula tofind the leave-one-out error measure for a multi-dimensionalGaussian classifier. To verify our results, we invitesomepeople to do manual classification. We examine the resultsfrom oursimulation and manual classification, and discuss thefactors that maycause the performance discrepancies betweenmachine and manual classifi-cation. Other approaches forimproving the classification performanceare also suggested inthe thesis.