Большое внимание к обработке текстовой информации для формирования тематических групп и систематизации документов, обусловленное развитием и ростом популярности Ин-тернета как средства коммуникации, требует категоризации коротких технических текстов, которая, в свою очередь, характеризуется сложностью традиционных подходов (проведени-ем предобработки и «оцифровки» документов, идентификацией «классифицирующих» при-знаков, выбором методов классификации). Специфичность исследования на каждом этапе обусловлена характеристикой текста: небольшим размером, употреблением сходной лекси-ки, наличием большого количества узкоспециальных символов и обозначений, синонимией терминов. Предложено описание процедуры подготовки текстов к анализу, снижения раз-мерности матрицы «термин -документ» с помощью сингулярного разложения, позволяю-щего решить задачу малоранговой аппроксимации исходной матрицы. Применяемые методы классификации -метод k-ближайших соседей и дискриминантный анализ с использованием элементарных функций Фишера. В процедуре классификации по методу Фишера используют-ся дискриминантные переменные и прием максимизации различий между классами для полу-чения функции классификации. Объект относится к тому классу, для которого значение клас-сифицирующей функции является наибольшим. Дана оценка полученных результатов, отме-чается недостаточная точность классификации при применении меры TF -IDF в условиях эксперимента. Для улучшения качества классификации предложен комбинированный метод, в рамках которого предлагается на первом этапе провести селекцию слов при помощи меры TF -IDF, на втором этапе применить словарь терминов и словосочетаний для классификации текстов. На основании полученных данных предлагается провести классификацию методами дискриминантного анализа и k-ближайших соседей. В будущем планируются уточнение и доработка предлагаемого комбинированного метода.Ключевые слова: классификация коротких текстов, определение веса терминов, сингу-лярное разложение, дискриминантный анализ, элементарные функции Фишера, метод k-ближайших соседей. Введение В связи с развитием Интернета и применением его в качестве средства коммуникации или электронной коммерции появились специфические лингвистические объекты, представленные в виде коротких текстов (КТ) -новостные ленты, блоги, сообщения в социальных сетях, обзоры продукции и реклама [1]. Очень часто технические КТ встречаются в проектном деле. Все эти информационные объекты различаются по тематике, типу, смысловой и эмоциональной окрас-ке, стилю и другим критериям. Большое количество разнообразных интернет-ресурсов, содер-жащих КТ, обусловливает необходимость их обработки и анализа, например, для создания те-матических подборок, рубрикации документов, составления рейтингов, подбора контекстной рекламы и фильтрации спама [2]. Особый интерес для исследователей представляют КТ техни-ческой направленности [2, 3], которые содержатся в тематических форумах, тезисах научных работ, аннотациях, реферативно-библиографических изданиях, каталогах, рубрикаторах, базах данных (БД) оборудов...
