基于机器学习的中文论文自动分类

贾瑞强

一.引言

1.选题背景和意义

随着现代科技的发展，信息量在成几何级数膨胀，每天都有大量新的论文产生，纸张这些传统的存储介质已经不能满足现有的需求，构建数字图书馆势在必行。中国知网是我国目前比较成功的论文数字图书馆，构建数字图书馆就是将期刊论文进行电子化，电子化就必然会面临两个主要工作：期刊论文的格式必须有统一标准和期刊论文的分类管理。经过多年的努力，期刊论文现在已经形成了一套统一的著录标准，期刊论文的分类管理还基本是以人工分类为主。人工分类目前面临两个问题：一个是随着期刊论文数量的快速增长，人工分类显得心有余而力不足，人工分类每天能分类的数量是固定的，即使增加人力成本，想要赶上期刊论文增长的速度还是很困难的，这无疑给分类工作增加了很大的压力；第二个问题是人工分類存在一定的主观性，分类工作人员一般会通过期刊论文的标题和来源来确定论文的类别，比较少的阅读论文全文来对论文进行分类，因此分类的正确率受人的主观意识影响很大。鉴于这种情况的基础上，研究期刊论文的自动分类能够有效的解决以上两个问题，不仅可以减轻人工分类的压力，提高分类的效率，还能提高分类结果的正确率，减少主观因素的影响。。

二.模型的实现

1.1数据准备

首先将所有的论文通过python里的jieba模块进行分词，将出现的名词、形容词……