多類別科技文獻(xiàn)自動(dòng)分類系統(tǒng).pdf

1、隨著計(jì)算機(jī)與通訊技術(shù)的飛速發(fā)展、互聯(lián)網(wǎng)的普及與應(yīng)用，包括科技文獻(xiàn)在內(nèi)的各種文本信息呈爆炸式增長(zhǎng)，這為人們合理有效地組織和管理海量的文本數(shù)據(jù)帶來了極大的挑戰(zhàn)。對(duì)科技文獻(xiàn)等文本信息進(jìn)行有效組織和管理通常都需要對(duì)文本進(jìn)行自動(dòng)分類。目前常用的文本分類方法主要有支持向量機(jī)(SVM)和k近鄰(kNN)，然而這些方法存在一些不足之處：支持向量機(jī)主要針對(duì)兩類分類問題，不能直接應(yīng)用于多類分類，且該方法應(yīng)用于大數(shù)據(jù)集時(shí)訓(xùn)練速度較慢；k近鄰方法對(duì)于樣本容量較

2、小的類域容易產(chǎn)生錯(cuò)分，且k的取值不容易確定。 本研究提出了支持向量機(jī)和k近鄰相結(jié)合的多類別分類方法(MSVM-kNN)，該方法采用支持向量機(jī)構(gòu)建分類器，在該過程中利用增量學(xué)習(xí)方法提高了訓(xùn)練速度，針對(duì)不可分情況，采用k近鄰方法來處理。使用20-Newsgroups數(shù)據(jù)集和ACM數(shù)據(jù)集進(jìn)行了測(cè)試。MSVM-kNN方法在ACM數(shù)據(jù)集上的準(zhǔn)確率、召回率和F-measure值分別為：90.18％、88.79％、0.89，而所測(cè)得的k近鄰、