基于改進(jìn)的支持向量機(jī)的WEB文本挖掘技術(shù)研究.pdf

1、隨著Internet的迅速發(fā)展,信息爆炸問題也隨之產(chǎn)生。由于Internet的開放性、動(dòng)態(tài)性使得用戶很難快速、準(zhǔn)確的從網(wǎng)上獲取所需的信息。因此如何有效的從網(wǎng)絡(luò)上獲取有價(jià)值的信息成為當(dāng)前研究的熱點(diǎn),Web文本挖掘技術(shù)就是解決上述問題的一種方法。Web文本挖掘采用數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)、自然語言處理、信息檢索和知識(shí)管理等領(lǐng)域的技術(shù)來處理和分析非結(jié)構(gòu)或半結(jié)構(gòu)化的文本,從中提取有價(jià)值的知識(shí)。
　　目前主要的文本分類方法有:最近鄰分類、貝葉斯分

2、類、決策樹、支持向量機(jī)、向量空間模型、回歸模型和神經(jīng)網(wǎng)絡(luò)等。本文通過分析現(xiàn)有的文本分類方法的不足,提出了基于SVM的改進(jìn)的Web文本分類方法。
　　首先,本文介紹了Web數(shù)據(jù)挖掘的基本概念、分類和方法,以及現(xiàn)有Web文本挖掘的具體過程和相關(guān)理論。其次,本文介紹了統(tǒng)計(jì)學(xué)習(xí)理論的主要內(nèi)容和支持向量機(jī)的基本原理,闡述了支持向量機(jī)研究和應(yīng)用的現(xiàn)狀以及所面臨的問題。最后,本文將并行SVM與主動(dòng)Web文本分類相結(jié)合,提出了一種改進(jìn)的基于支持向