基于SVM的多層次大類別數(shù)文本分類系統(tǒng)（HJ-TCM）的設(shè)計(jì)與實(shí)現(xiàn).pdf

1、該文對(duì)建立多層次大類別數(shù)文本分類系統(tǒng)進(jìn)行了研究,分析了其中的各種關(guān)鍵技術(shù)和難點(diǎn),并提出了相應(yīng)的解決方案.文章首先針對(duì)特征抽取問題進(jìn)行深入研究,比較了目前常用的幾種特征抽取方法,并提出了一種適合中文環(huán)境的DF+CHI的組合特征抽取方法,進(jìn)一步提高了分類器的性能.針對(duì)項(xiàng)目采用《中圖圖書館圖書分類法》的分類體系,其中各個(gè)分類類別按層次樹狀結(jié)構(gòu)組織且分類數(shù)目很大,而且對(duì)分類的速度和精度都有很高的要求的特點(diǎn),選擇性能好的支持向量機(jī)(SVM)作為分

2、類器,能夠有效地避免經(jīng)典學(xué)習(xí)方法中過學(xué)習(xí)、維數(shù)災(zāi)難、局部極小等問題,而且在小樣本條件下仍然具有良好的泛化能力.文章同時(shí)采用有向無環(huán)圖支持向量機(jī)(DAGSVM)和最大投票法(Max Wins)相結(jié)合的技術(shù)實(shí)現(xiàn)分類器的組合,既能準(zhǔn)確定位分類類別,又能形成分類類別的相似度列表,為分類系統(tǒng)提供了更高的靈活性,同時(shí)采用有效的緩存機(jī)制解決了資源管理問題.為了進(jìn)一步提高SVM的訓(xùn)練速度,該文在分析現(xiàn)有訓(xùn)練算法的基礎(chǔ)上提出了三元序貫解析優(yōu)化(3SAO)