- 1、本文档共63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)。
查看更多
双层减样支持向量机在垃圾标签检测中的应用研究
摘要
标签三个重要元素组成。具有自由性、共享性和用户性等特点。在实际应用中Foll【sonomy
系统常常受到垃圾信息的侵害。为了解决新领域中的新问题,我们在已有方法的基础上,
规模垃圾标签检测模型。又在商空间粒度分析理论的启发下,将粒度分析思想引入数据
约减领域。提出商空间框架下的大规模SVM数据集约减模型。利用该模型实例化出来
的双层减样法对大规模垃圾标签检测模型优化。最终形成基于双层减样支持向量机
(BR.SVM)的大规模垃圾标签检测模型。本文取得以下研究成果:
(1)本文借助商空间粒度分析理论,把“粒度"的概念引入约减模型,提出商
空问框架下的大规模svM数据集约减模型。
(2)将提出的“商空间框架下的大规模SVM数据集约减理论模型一具体化后,
得到双层减样法。这是本文研究的难点,也是将理论模型实例化的必要环节。该减样法
利用“粒度"概念把聚类约减和单点约减有机结合,形成了效果更好的针对支持向量机
数据集优化的约减法。
(3)将理论研究的成果运用到Folksonomy标签系统这个新兴领域中,是对本文
的垃圾标签检测模型。模型中还提出了Folksonomy用户建模方法,把用户分类问题转
化为文本分类问题。基于BR—SVM的垃圾标签检测模型对于标签系统的垃圾检测效果
比现有的同类检测模型效果更好。
关键词:垃圾标签社会化标签系统检测模型支持向量机双层减样
法约减商空间粒度
THEAPPLl CATI ONRESEARCHOFBl STRATAL—REDUCT1 0N—SVM
0NSOCI ALSPAM
DETECT1 0N
ABSTRACT
isanewkindof classificationbased
Folksono埘【y knowledge web2.O.nhas
three and is andhlInan.
importantcomponents:user,resourCe6.ee,shared
tag.It
In is social ordertosolvethis
pIactice,Folksonomyalways£呦ckedby sp锄.In
existed
problem,westudy methods,andanewmethodisavailable.Weuse
SVMtobuildthe
social detectionmodel. 廿le
sp锄 Moreover,
quotient
me forbistratal
space(QS)analysismeo巧proVidedinspiration
W.euseBRto the detectionmodel
iⅡlprove and BR-SⅥⅥ-baSed
original get
social detectionmodel.All
spam theresearchis邪follows:
the 6.omthe
文档评论(0)