二階段文本分類器及分類在推薦系統(tǒng)中的應(yīng)用.pdf

1、文本分類在文本挖掘和信息檢索系統(tǒng)中發(fā)揮著重要的作用。這種技術(shù)可以改善檢索性能、提供導(dǎo)航/瀏覽機(jī)制、發(fā)現(xiàn)相似文本等。因此，文本分類已成為一種處理和研究文本的重要技術(shù)。
　　 目前，基于統(tǒng)計(jì)和機(jī)器學(xué)習(xí)的文本分類算法已經(jīng)比較成熟，但可以考慮通過(guò)某種方式引入其他方法來(lái)改進(jìn)分類效果，比如下面所提的統(tǒng)計(jì)方法。分類算法除了在文本挖掘和信息檢索系統(tǒng)中發(fā)揮著重要的作用外，還可以考慮在電子商務(wù)個(gè)性化推薦系統(tǒng)中的應(yīng)用。針對(duì)上述二方面，本人做了以下工作

2、:
　　 第一：提出了基于K-means的二階段多類SVM分類方法。該方法分為二個(gè)階段，第一階段采用K-means聚類，在聚類結(jié)束以后，抽樣調(diào)查每個(gè)小類的分類精準(zhǔn)度，完全分對(duì)的類可以不必進(jìn)行第二步的分類，從而降低了已經(jīng)聚類正確的實(shí)例再次分類的風(fēng)險(xiǎn)；第二階段采用LIBSVM來(lái)進(jìn)行分類。本文在理論論證后，使用中英文語(yǔ)料，通過(guò)實(shí)驗(yàn)證實(shí)該方法切實(shí)可行，相較于直接使用LIBSVM進(jìn)行分類，分類準(zhǔn)確度分別提高了9.35％和1.5％。

3、　　 第二：用戶個(gè)性化推薦是電子商務(wù)領(lǐng)域中的研究熱點(diǎn)與核心技術(shù)，近年來(lái)得到了廣泛的關(guān)注和快速的發(fā)展，本文將分類技術(shù)引入推薦系統(tǒng)。文中提出了基于分類的用戶多興趣個(gè)性化推薦方法。該方法分為二個(gè)模塊，第一模塊是長(zhǎng)期興趣模塊(LIM)，針對(duì)用戶多興趣的特征，通過(guò)分類來(lái)提高推薦準(zhǔn)確度；第二是短期興趣模塊(SIM)，針對(duì)用戶短期興趣的專注性，引入WEB日志上下文分析的方法。最后，本文分別對(duì)LIM和SIM進(jìn)行了實(shí)驗(yàn)證實(shí)，證實(shí)該方法切實(shí)可行，相較于傳