基于支持向量机与无监督聚类相结合中文网页分类器.pdfVIP

第 24 卷　第 1 期 计　　算　　机　　学　　报 V o l. 24 N o. 1 2001 年 1 月 CH IN ESE J COM PU T ER S 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 SVM 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 SVM 分类器进行分类. 该算法充分 利用了 SVM 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, 而且有很高的精确度. 关键词　支持向量机, 聚类, 网页分类 中图法分类号: T P 391 A Ch inese W eb Page Cla ssif ier Ba sed on Support Vector M ach ine and Un superv ised Cluster ing 　 　 L I X iao L i L IU J i M in SH I Zhong Zh i (Institu te of Comp u ting T echnology , Ch inese A cad emy of S ciences, B eij ing 100080) Abstract　 T h is paper p resen ts a new algo rithm that com b ines Suppo rt V ecto r M ach ine (SVM ) and un supervised clu stering. A fter analyzing the characteristics of w eb pages, it p ropo ses a new vecto r rep resen tation of w eb pages and app lies it to w eb page classification. Given a train ing set, the algo rithm clu sters po sitive and negative exam p les respectively by the un supervised clu stering ( ) , . , algo rithm U C w h ich w ill p roduce a num ber of po sitive and negative cen ters T hen it selects on ly som e of the exam p les to inpu t to SVM acco rding to ISU C algo rithm. A t t