基于支持向量機(jī)的新聞自動(dòng)分類技術(shù)的研究與應(yīng)用.pdf

1、隨著網(wǎng)絡(luò)信息的迅猛發(fā)展,信息處理已經(jīng)成為人們獲取有用信息不可缺少的工具,文本自動(dòng)分類系統(tǒng)是信息處理的重要研究方向,它是指在給定的分類體系下,根據(jù)文本的內(nèi)容自動(dòng)判別文本類別的過(guò)程。利用文本自動(dòng)分類技術(shù),可以快速地處理大規(guī)模的文本數(shù)據(jù),大大地提高信息的可用性和利用率。目前,文本分類系統(tǒng)大多采用統(tǒng)計(jì)和機(jī)器學(xué)習(xí)的方法,這類方法在語(yǔ)義的水平上來(lái)分析文本內(nèi)容,判斷其相似度,從而得到類別劃分。
　　 本文在對(duì)文本分類理論了解的基礎(chǔ)上,對(duì)基于統(tǒng)

2、計(jì)學(xué)習(xí)理論的支持向量機(jī)理論進(jìn)行了深入的研究和探討,然后提出了基于雙詞典的改進(jìn)型雙向最大匹配算法和基于動(dòng)態(tài)表的停用詞消除算法,這兩個(gè)算法有效地提高了文本預(yù)處理的正確率,去掉了絕大多數(shù)無(wú)用的詞項(xiàng),使得表達(dá)文檔特征的向量更準(zhǔn)確。通過(guò)在文本預(yù)處理階段提高預(yù)處理結(jié)果的準(zhǔn)確性,盡量減少能夠影響分類精度的文檔噪聲,提高SVM分類器輸入的準(zhǔn)確性,使得SVM分類器能夠得到盡可能準(zhǔn)確的結(jié)果。
　　 本文還提出了基于改進(jìn)型多項(xiàng)式核的SVM多類分類算法