1. 研究目的与意义
随着信息技术的发展，数据和信息呈现多样化的特征。
为了有效的管理和处理大量的文本信息，基于机器学习和自然语言处理的文本分类和文本信息抽取逐渐成为备受关注的研究领域。
文本分类在帮助人类组织和管理文本、自然语言理解、准确定位和过滤文本信息，文本挖掘等领域都有着广泛的应用。
2. 国内外研究现状分析
文本分类研究始于五十年代末，h.p.luhn在这一领域进行了开创性研究。
1961年，maron发表了有关文本分类的第一篇论文，随后许多著名的情报学家如sparck、salton等都在这一领域进行了卓有成效的研究。
到八十年代末之前，有效的建立文本自动分类系统的方法大多是知识工程的方法，即利用专家规则来进行分类。
3. 研究的基本内容与计划
研究内容： 1. 运用自然语言处理及机器学习实现可扩展的文本分类并对不同的模型和分类器的效果进行比对； 2.实现特定领域的文本信息抽取并对不同的模型和分类器的效果进行比对； 3.实现文本分类和文本信息抽取的系统搭建和结果展示；研究计划： 1.准备工作阶段：阅读相关资料，对所用的知识加以熟悉，准备好相关数据； 2.设计开发阶段：语料的处理，相应模型的选择，算法的实现，展示不同的模型算法的分类和抽取效果，实现最终的系统搭建； 3.撰写论文阶段：根据前期的设计以及最终实现的功能，完成论文的撰写工作，详细描述实现的功能，模型效果对比，算法的流程和思路并对论文中的图表按照论文格式进行调整和编号； 4.论文交审阶段：完成论文的提交，审核和答辩。
具体时间安排：文本分类部分，语料数据的清洗，模型的选取，效果的对比（1~2周），文本分类部分，文本分类系统的实现（3~4周），信息抽取部分，文本分块，模型的选取（第5周），语料的实体，关系的标注，信息抽取系统的实现（6~7周），论文大纲和草稿的撰写（第8周），论文初稿的撰写完成（9~10周），论文初稿的修改与完善（第11周），完成论文的提交、审核和答辩（第12周）。
4. 研究创新点
1 充分利用当前深度学习和在自然语言处理方面的文本特征表示，运用到文本分类和抽取中，进一步提高分类和抽取的效果。
2 搭建一套领域内的文本分类和文本抽取系统，可以进一步展示结果和用于以后的研究。
