基于SVM的中文文本分類算法研究與實現(xiàn).pdf

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

2、如下探討： ㈠在實現(xiàn)分類系統(tǒng)時，對其結(jié)構(gòu)作出了調(diào)整與改進，即將文本預(yù)處理作為一個單獨的模塊，而將中文分詞、特征提取、特征選擇和文本向量表示等過程集成到該模塊中。并為訓(xùn)練文本和測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試文本特征向量。這樣，在訓(xùn)練模塊和分類模塊中不必涉及到文本向量表示功能，有利于系統(tǒng)的開發(fā)與維護，使得系統(tǒng)具有更好的性能。在分類函數(shù)的訓(xùn)練過程中，本文使用可行性方向法對二次規(guī)劃問題