向量空間實(shí)體模型（VectorSpaceModel）：對(duì)文檔開(kāi)展簡(jiǎn)單化表明，在忽視特征項(xiàng)中間的基本信息后，一個(gè)文字就可以用一個(gè)特征空間向量來(lái)表明，也就是特征項(xiàng)室內(nèi)空間中的一個(gè)點(diǎn)；而一個(gè)文字集能夠表述成一個(gè)引流矩陣，也就是特征項(xiàng)室內(nèi)空間中的一些點(diǎn)的結(jié)合。

    ?相似性（Similarity）：相似性Sim（D1，D2）用以衡量2個(gè)文檔D1和D2中間的主要內(nèi)容有關(guān)水平。當(dāng)文檔被表述為文檔室內(nèi)空間的空間向量，就可以利用歐式距離，內(nèi)積間距或余弦距離等空間向量相互間的間距計(jì)算方法來(lái)表明文檔間的相似性。

    在其中特征選擇是文字表明的重要，方式包含：文檔頻率法（DF），風(fēng)琴包廠家信息增益法和互信息法這些。

    在做特征選擇以前，一般還需要開(kāi)展數(shù)據(jù)預(yù)處理的工作中，要對(duì)先向網(wǎng)頁(yè)頁(yè)面減噪。此外在具體的分類(lèi)中，除開(kāi)利用文檔的內(nèi)容特征以外，很有可能還會(huì)繼續(xù)使用具體運(yùn)用中所獨(dú)有的特征，例如在網(wǎng)頁(yè)頁(yè)面分類(lèi)中，很有可能使用url的特征，html的構(gòu)造特征和標(biāo)識(shí)特征等信息內(nèi)容。

    分類(lèi)的主要過(guò)程是如此的：界定分類(lèi)管理體系，將事先分類(lèi)過(guò)的文檔做為訓(xùn)練集，文具批發(fā)從訓(xùn)煉集中化得到分類(lèi)實(shí)體模型，隨后用練習(xí)得到出的分類(lèi)實(shí)體模型對(duì)其他文檔多方面分類(lèi)。文檔全自動(dòng)分類(lèi)是學(xué)術(shù)界科學(xué)研究很多年，文件分類(lèi)技術(shù)性上較為完善的一個(gè)行業(yè)?，F(xiàn)階段分類(lèi)優(yōu)化算法關(guān)鍵分下邊這種：

    在其中較為常見(jiàn)的是：svm算法（SVM）方式，樸素貝葉斯(NB)方式，神經(jīng)元網(wǎng)絡(luò)（NN）方式，K鄰近（KNN）方式，決策樹(shù)算法（DecisionTree）方式等。