唐诗题材自动分类研究

北京大学学报（自然科学版）

唐诗题材自动分类研究

胡韧奋¹,诸雨辰²

1. 北京师范大学中文信息处理研究所, 北京 100875; 2. 北京师范大学文学院, 北京 100875;

收稿日期:2014-07-27 出版日期:2015-03-20 发布日期:2015-03-20

Automatic Classification of Tang Poetry Themes

HU Renfen¹, ZHU Yuchen²

1. Institute of Chinese Information Processing, Beijing Normal University, Beijing 100875; 2. School of Chinese Language and Literature, Beijing Normal University, Beijing 100875;

Received:2014-07-27 Online:2015-03-20 Published:2015-03-20

摘要/Abstract

摘要： 将文本分类技术引入唐诗研究。首先将唐诗按照题材分为爱情婚姻、边塞战争、交游送别、羁旅思乡、山水田园、咏史怀古和其他7类, 并据此提出唐诗题材自动分类模型。所选500首诗歌样本以《唐诗三百首》为基础, 并有所补充。采用向量空间模型(VSM)将唐诗文本转换为向量, 通过卡方检验进行词语特征选择, 最后基于朴素贝叶斯和支持向量机算法构造文本分类器, 取得较好的题材分类效果。此外, 还验证了作者关于题目、体制、作者等变量对题材分类产生影响的假设, 为相关诗歌本体研究提供了科学依据。

关键词: 唐诗, 题材, 文本分类, 卡方检验, 朴素贝叶斯, 支持向量机

Abstract: The authors propose a text classification model for Tang poetry. Firstly seven categories are defined for poetry themes: love and marriage, frontier war, friendship and farewell, journey and homesick, landscape and countryside, history and nostalgia, others. 500 Tang poems are selected as research samples, and they are represented in vectors with Vector Space Model (VSM). To reduce the vector dimensions, feature selection is made by Chi-square test. Two classifiers are built based on Naive Bayes and Support Vector Machine algorithms. The models perform well in classification experiment. Besides, the authors verify the positive effect of poetry titles, authors and types to poetry themes by text classification models, which could offer scientific reference to the related research of Tang poetry.

Key words: Tang poetry, themes, text classification, Chi-square test, Naive Bayes, support vector machine

中图分类号:

H087

胡韧奋,诸雨辰. 唐诗题材自动分类研究[J]. 北京大学学报（自然科学版）.

HU Renfen,ZHU Yuchen. Automatic Classification of Tang Poetry Themes[J]. Acta Scientiarum Naturalium Universitatis Pekinensis.

[1]	李睿凡, 魏志宇, 范元涛, 叶书勤, 张光卫. 增强提示学习的少样本文本分类方法[J]. 北京大学学报自然科学版, 2024, 60(1): 1-12.
[2]	孔祥夫, 董波, 徐可, 陶永亮. 基于BERT的民生问题文本分类模型——以浙江省政务热线数据为例[J]. 北京大学学报自然科学版, 2023, 59(3): 456-466.
[3]	陈晓娜, 高鹏飞, 梁越, 马应龙. 基于类别混合嵌入的电力文本层次化分类方法[J]. 北京大学学报自然科学版, 2022, 58(1): 77-82.
[4]	许浩亮, 李雁群, 何云琪, 钱龙华. 中文嵌套命名实体关系抽取研究[J]. 北京大学学报自然科学版, 2019, 55(1): 8-14.
[5]	刘思叶, 田原, 冯雨宁, 庄育龙. 游客微博主题情感分析方法比较研究[J]. 北京大学学报自然科学版, 2018, 54(4): 687-692.
[6]	宋佳颖, 黄旭, 付国宏. 基于词语情感隶属度特征的情感极性分类[J]. 北京大学学报（自然科学版）, 2016, 52(1): 171-177.
[7]	李保利. 基于类别层次结构的多层文本分类样本扩展策略[J]. 北京大学学报（自然科学版）, 2015, 51(2): 357-366.
[8]	陈炜亮,孙晓. 基于MFCCG-PCA的语音情感识别[J]. 北京大学学报（自然科学版）, 2015, 51(2): 269-274.
[9]	欧阳纯萍,阳小华,雷龙艳,徐强,余颖,刘志明. 多策略中文微博细粒度情绪分析研究[J]. 北京大学学报（自然科学版）, 2014, 50(1): 67-72.
[10]	吴金勇,赵勇,王一科,袁誉乐,张兴. 基于多粒度感知SVM的复杂场景人车分类方法[J]. 北京大学学报（自然科学版）, 2013, 49(3): 404-408.
[11]	汪廷华,赵东岩,张琼. 多类核极化及其在多宽度RBF核参数选择中的应用[J]. 北京大学学报（自然科学版）, 2012, 48(5): 727-731.
[12]	张西雅,徐海卿,李培军. 运用EO-1 Hyperion数据和单类支持向量机方法提取岩性信息[J]. 北京大学学报（自然科学版）, 2012, 48(3): 411-418.
[13]	尚坤,李培军,程涛. 基于合成核支持向量机的高光谱土地覆盖分类[J]. 北京大学学报（自然科学版）, 2011, 47(1): 109-114.
[14]	庞九凤,李险峰,谢劲松,佟冬,程旭. 基于支持向量机的微体系结构设计空间探索[J]. 北京大学学报（自然科学版）, 2010, 46(1): 55-63.
[15]	孙喜晨,贺仁亚,封举富. 一种新的分类方法——属性均值聚类属性支持向量机(AMC-ASVM)[J]. 北京大学学报（自然科学版）, 2007, 43(1): 82-84.