基于多類支持向量機的文本分類研究.pdf

1、隨著信息時代的高速發(fā)展，如何對已有大量自然語言文本進行挖掘，特別是對其按照設定的語義進行正確的歸類，已經成為組織大量文本信息的一個關鍵問題，這就是文本挖掘中很重要的一類任務．文本分類。支持向量機是由Vapnik等人提出的一種學習技術，是借助于最優(yōu)化方法解決機器學習問題的新工具。它集成了最大間隔超平面、Mercer核、凸二次規(guī)劃、稀疏解和松弛變量等多項技術。由于其具有全局最優(yōu)、結構簡單、推廣能力強等優(yōu)點，近幾年得到了廣泛地研究并應用于文本

2、分類、模式識別等領域。但支持向量機最初是針對二類分類提出的，如何將其擴展到多類并應用于文本分類是本文研究的重要內容。 本文在對文本挖掘問題進行闡述的基礎上，對支持向量機多類分類算法進行了深入的研究，在考察現(xiàn)有多分類SVM算法后，提出了一種基于二叉樹基礎的多類SVM改進算法，并把改進后的多類SVM用于文本挖掘中的文本分類。己經進行的主要研究工作如下： ①研究了文本挖掘的常見技術，并以文本分類為主要任務，闡述了常用的文本分類

3、算法。接下來對支持向量機原理進行了闡述，并對其應用于分類挖掘時的問題及解決方法做了簡要分析。 ②支持向量機多類分類算法的研究，分析比較了目前存在的基于支持向量機的多類別分類方法，包括“一對多”方法、“一對一”方法、一次性求解方法、決策有向無環(huán)圖方法、基于二叉樹的支持向量機多類分類方法等，比較了它們的優(yōu)缺點及性能。 ③重點研究了基于二叉樹的多類SVM分類算法，詳細地討論了目前存在的幾種二叉樹多類SVM算法組合策略，在訓練時