原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
第 卷 第 期 计 算 机 学 报
24 1 Vol . 24 No . 1
年 月
2001 1 CHINESE J . COMPUTERS Jan . 2001
!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
基于支持向量机与无监督聚类相结合的
中文网页分类器
李晓黎 刘继敏 史忠植
（中国科学院计算技术研究所 北京 100080 ）
摘 要 提出了一种将支持向量机与无监督聚类相结合的新分类算法，给出了一种新的网页表示方法并应用于网
页分类问题 该算法首先利用无监督聚类分别对训练集中正例和反例聚类，然后挑选一些例子训练 并获得
. SVM
分类器 任何网页可以通过比较其与聚类中心的距离决定采用无监督聚类方法或 分类器进行分类 该算
SVM . SVM .
法充分利用了 准确率高与无监督聚类速度快的优点 实验表明它不仅具有较高的训练效率，而且有很高的精
SVM .
确度.
关键词 支持向量机，聚类，网页分类
中图法分类号：TP391
A Chinese Web Page Classifier Based on Support
Vector Machine and Unsupervised Clustering
LI Xiao-Li LIU Ji-Min SHI Zhong-Zhi
（ ， ， ）
Institute of Comp uting Technology Chinese Academy of Sciences Beij ing 100080
（ ）
Abstract This paper presents a new algorithm that combines Support Vector Machine SVM and unsuper-
，
vised clustering . After analyzing the characteristics of web pages it proposes a new vector representation of
文档评论（0）