基于集成SVM的文本分類方法研究.pdf

1、伴隨著計算機網絡和信息技術的高速發(fā)展，各行各業(yè)所收集積累的數據規(guī)模越來越可觀，信息的海量式增長使得人們難以迅速找到自己需要的數據。文本分類不但解決了用戶尋找他們感興趣的數據的需求，同時也使得網絡信息從雜亂變得有序。因此，文本分類受到領域專家和學者們的高度重視。
　　文本分類指的是，給定一個分類問題，根據文本的內容自動地關聯到相應的主題類別。支持向量機是其中一種優(yōu)秀的文本分類算法?？梢酝ㄟ^組合多個支持向量機分類器的集成學習方式來提高

2、分類性能。主要研究工作如下：
　?。?）討論了中文文本分類的整個過程，涉及文本分詞，去停用詞，文本表示，權重計算，特征降維，常見的分類算法樸素貝葉斯、K最近鄰和支持向量機的基礎理論以及文本分類器性能的評價方法。
　?。?）對支持向量機和集成學習的理論基礎進行了系統(tǒng)的研究，并介紹了兩種經典的集成學習算法Bagging和Boosting。
　?。?）將支持向量機同其他常用的分類算法做了對比，并對比研究了采用不同核函數的支持