融合多模态信息的跨媒体知识文本分类算法

刘欢; 李宏亮; 陈维汉

doi:10.19292/j.cnki.jdxxp.2025.05.002

吉林大学学报(信息科学版) ›› 2025, Vol. 43 ›› Issue (05) : 1138 -1143. DOI: 10.19292/j.cnki.jdxxp.2025.05.002

融合多模态信息的跨媒体知识文本分类算法

刘欢, 李宏亮, 陈维汉

作者信息 +

Author information +

文章历史 +

摘要

针对跨媒体知识文本分类涉及多种类型的数据，并且其间的差异性和异构性增加了分类的复杂性，使大量跨媒体知识文本中难以精确寻找资料的问题，提出融合多模态信息的跨媒体知识文本分类算法。利用词频-逆文档频率(TF-IDF:Term Frequency-Inverse Document Frequency)算法，过滤处理文本中的停用词，提取文本特征，并将其与图像文本特征相融合；利用朴素贝叶斯分类器，判断跨媒体知识文本类别的归属，实现知识文本分类。通过实验分析结果表明，所提文本分类算法显著提升了跨媒体知识文本分类的性能和效率，使分类结果更加准确，查准率高达95.12%,漏检率维持在10%以下。