一种改进的SVM文本数据分类技术研究.pdfVIP

第 28卷 第 4期 科 技 通 报 V01．28 No．4 2012年 4月 BULLETIN OFSCIENCEAND TECHNOLOGY Apr．2012 一 种改进的SVM文本数据分类技术研究 高晓琴 (四川工商职业技术学院 信息工程系，成都 611830) 摘 要：主要研究了文本分类精度 问题 。介绍了文本分类的基本过程 ，提出了一种改进的支持向量机文 本分类技术 ，设计并实现了一个开放的中文文档 自动分类系统。实验结果表明，提出的方法不仅具有较 高的训练效率 ，同时也能得到很高的分类准确率和查全率。 关键词：文本挖掘；文本分类；支持向量机；向量空间模型 中图分类号：TP391 文献标识码 ：A 文章编号：1001-7119(2012)04-0070-02 AnImprovedSVM TextDataClassificationTechnologyResearch GA0Xiaoqin (SichuanTechnologyandBusinessCollege，Chengdu611830，China) Abstract：onthemaintextclassificationaccuracy．Thispaperfirstintroducesthe．basicprocessoftextclassification，this paperproposesanimprovedsupportvectormachineSVM textclassificationtechnology，thedesignandimplementationof anopenautomaticChinesedocumentsclassificationsystem．Theexperimentalresultsshow that，theproposedmethodnot onlyhashightrainingefficiency，atthesametimecanobtaintheveryhighclassificationaccuracyrateandrecallrate． Keywords：textmining；textclassification；supportvectormachine；vectorspacemodel 文本数据挖掘又称为亦文本挖掘，从文本数据库 化原则的。与传统的算法不同，它不仅优化经验风险， 中发现知识，以文本数据为特定挖掘对象的数据挖掘 ， 而且通过最大化分界面来控制模型的复杂度 ，从而有 是数据挖掘地扩展。从 目前文本挖掘技术的研究和应 效地避免了过学习现象，为模型选择 问题提供了很好 用状况来看 ，从语义的角度来实现文本挖掘的很多，目 的思路 。 前研究和应用最多的几种文本挖掘技术有 ：文档聚类、 对于给定样本点通过以下的步骤做二值分类： 文档分类和摘要抽取J一『。王永成[31等研制的基于神经网 (xl,y1)，…，(r1)，∈R,yi∈{一1，+1} (1) 络优化算法的中文文本 自动分类系统。近期研究中比 其中 向量从对象样本集中抽取某些向量 ，可以 较突出的是中科院的中文文本智多星分类器，它采用 是从特征向量中直接抽取，也可 以是从映射 向量中抽 多种分类方法。本文基于 以上文献基础上，提出了一种 取。在特征空间中构造分割平面： 改进的支持向量机文本分类技术 ，首先介绍了文本分 (W·)+6=0 (2) 类的基本过程，设计并实现了一个开放的中文文档 自