- 1、本文档共4页,可阅读全部内容。
- 2、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。
- 3、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。
- 4、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)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、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。
- 7、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。
- 8、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
SVM文本分类中一种新的特征提取方法.pdf
第 20 卷 第 3 期 计 算 机 技 术 与 发 展 Vol . 20 No . 3
20 10 年 3 月 Mar . 20 10
COM PU TER TECHNOL O GY AND D EV EL OPM EN T
SVM 文本分类中一种新的特征提取方法
姜 鹤 ,陈丽亚
(上海交通大学 电子信息与电气工程学院 ,上海 200240)
摘 要 :随着互联网的迅速发展 ,面向重要网络媒体海量发布信息实现智能分类 ,对于网络信息监管、舆论引导工作有着
深远的意义 。文中针对在文本分类中的特征选取问题 ,描述了一种基于法矢量权重的特征评价和选取方法 。将此方法与
SVM 学习算法进行结合 ,在路透社标准文本测试集上进行了对比评估 。实验结果显示 ,此特征选取方法相对于传统的特
征选取方法可以产生更优的分类性能。此特征提取方法提供一种有效的途径 ,在基本保持分类器性能的前提下显著地减
少特征空间的维数 ,进而提升系统的资源利用效率 。
关键词 :文本分类 ;特征提取 ;支持向量机 ;资源受限
( )
中图分类号 : TP181 文献标识码 :A 文章编号 : 1673 - 629X 20 10 03 - 00 17 - 03
A Ne w Feature Selection Method in SVM Text Categorization
J IAN G He ,CHEN Liya
( School of Information and Communication Engineering ,Shanghai J iaotong University , Shanghai 200240 ,China)
Abstract :Wit h t he rapid develop ment of Internet ,it has momentous significance for t he task of t he surveillance and management of net
work and leading t he public to carry out t he intelligence classification of t he massive amount of information t hat released b y t he important
network medium . This paper describes a feature selection met hod based on t he weight of normal from SVM model . U sing t his feature
scoring met hod wit h SVM learning algorit hm on standard Reuter s test set to compare ot her t raditional feature selection met hod : Odds Ra
tio , Information Gain . Experimental result s show t hat t he normal weight based met hod yield better classification performance . This fea
ture selection met
您可能关注的文档
- SHOP产品线介绍.ppt
- SHS_PHIP法制备Ti_3AlC_2陶瓷的力学性能_李翀.pdf
- SHT 0253-1992 轻质石油产品中总硫含量测定法(电量法).pdf
- SHT 801-2000 电缆桥架安装图.pdf
- SHT3115-2000轻质耐热衬里.pdf
- SH_3063-1999_石油化工企业可燃气体和有毒气体检测报警设计规范..doc
- SI4730 收音机芯片资料与程序.doc
- SIAM_NA_final_Y14m3d7.pdf
- SICK激光器资料_Ethernet_and_SOPAS.pdf
- SiC半导体探测器性能测量研究_蒋勇.pdf
- 第十一章 电流和电路专题特训二 实物图与电路图的互画 教学设计 2024-2025学年鲁科版物理九年级上册.docx
- 人教版七年级上册信息技术6.3加工音频素材 教学设计.docx
- 5.1自然地理环境的整体性 说课教案 (1).docx
- 4.1 夯实法治基础 教学设计-2023-2024学年统编版九年级道德与法治上册.docx
- 3.1 光的色彩 颜色 电子教案 2023-2024学年苏科版为了八年级上学期.docx
- 小学体育与健康 四年级下册健康教育 教案.docx
- 2024-2025学年初中数学九年级下册北京课改版(2024)教学设计合集.docx
- 2024-2025学年初中科学七年级下册浙教版(2024)教学设计合集.docx
- 2024-2025学年小学信息技术(信息科技)六年级下册浙摄影版(2013)教学设计合集.docx
- 2024-2025学年小学美术二年级下册人美版(常锐伦、欧京海)教学设计合集.docx
文档评论(0)