基于SVM的中文文本分類(lèi)算法研究與實(shí)現(xiàn).pdf

1、網(wǎng)絡(luò)信息的迅速增長(zhǎng)，促進(jìn)了文本自動(dòng)分類(lèi)研究的發(fā)展。在眾多的分類(lèi)算法中，支持向量機(jī)由于其堅(jiān)實(shí)的理論基礎(chǔ)和良好的分類(lèi)性能，受到了研究者們的廣泛關(guān)注。本文在研究支持向量機(jī)理論的基礎(chǔ)上，對(duì)基于支持向量機(jī)的分類(lèi)算法進(jìn)行了深入分析與探討，并調(diào)整與改進(jìn)了傳統(tǒng)的基于支持向量機(jī)的中文文本分類(lèi)系統(tǒng)的結(jié)構(gòu)，以更合理的方式實(shí)現(xiàn)了基于支持向量機(jī)的文本分類(lèi)系統(tǒng)，改進(jìn)了基于二叉樹(shù)的多類(lèi)支持向量機(jī)文本分類(lèi)算法。概括而言，本文在研究已有支持向量機(jī)理論的基礎(chǔ)上，主要作出了

2、如下探討： ㈠在實(shí)現(xiàn)分類(lèi)系統(tǒng)時(shí)，對(duì)其結(jié)構(gòu)作出了調(diào)整與改進(jìn)，即將文本預(yù)處理作為一個(gè)單獨(dú)的模塊，而將中文分詞、特征提取、特征選擇和文本向量表示等過(guò)程集成到該模塊中。并為訓(xùn)練文本和測(cè)試文本提供了共同的輸入接口，而由預(yù)處理系統(tǒng)根據(jù)不同情況輸出訓(xùn)練文本特征向量和測(cè)試文本特征向量。這樣，在訓(xùn)練模塊和分類(lèi)模塊中不必涉及到文本向量表示功能，有利于系統(tǒng)的開(kāi)發(fā)與維護(hù)，使得系統(tǒng)具有更好的性能。在分類(lèi)函數(shù)的訓(xùn)練過(guò)程中，本文使用可行性方向法對(duì)二次規(guī)劃問(wèn)題