- 中国核心期刊（遴选）数据库收录期刊
- 中文科技期刊数据库收录期刊
- 中国学术期刊（光盘版）收录期刊
- 中国人民大学报刊资料数据库收录期刊
- 中国学术期刊综合评价数据库统计源期刊
- 中国台湾华艺数据库收录期刊
摘要：
［目的／意义］针对细分领域非均衡数据环境下存在的两类关键问题——长尾分布导致的尾部类别表征稀疏，以及文本内容多类别共存引发的特征聚焦偏差，本文设计了一种基于数据拆分与迭代优化的数据优化方法（DOSI）。［方法/过程］该方法通过构建领域解耦的“一对多”分析架构，强化特定领域内的鉴别性特征表达，并引入自适应噪声抑制机制消除跨领域噪声。具体实施流程包含四个关键阶段：领域敏感特征词库构建、文本特征显著性检测、跨领域噪声过滤、增量式优化迭代，通过动态平衡噪声抑制与信息完整性需求，实现分类器性能的渐进式提升。［结果/结论］在上市公司经营业务文本分类任务中，经过两轮优化迭代，分类器准确率提升7.5%（56.40%→60.62%），Macro_F1指标增幅达25.2%（40.41%→50.58%），验证了该方法在细分领域文本分类场景中的有效性。
