基于SVM的网络文本信息自动分类.PDFVIP

研究与开发 基于SVM的网络文本信息自动分类* , 刘 清12 , 陈 炼1 , 吕 静1 南昌大学计算中心 南昌 江西财经大学 南昌 ( , ; , ) 1. 3300312. 330031 摘 要:介绍基于 的网络文本信息自动分类算法 该算法在训练阶段将一个大型数据集分 SVM , 成许多不相交的子集 按批次对各个训练子集中的样本进行训练而得到多个分类器 利 , , 用误差纠错输出编码优化分类器,从而减少较深层次训练需要学习的文档。 关键词 支持向量机 自动分类 多层分类 误差纠正输出编码 : ; ; ; 0 引 言 它能很好地解决有限数量样本的高维模型构造问题, 而且所构造的模型具有很好的预测性能。 由于互联网上可用信息的迅速增长 人们迫切需 , 2.1SVM算法原理 要能够更好地发现 过滤和管理这些资源的技术 文 、 。 本分类[1,2] 是在给定的分类体系下, SVM通过适当选择函数子集及该子集中的判别 (TextClassification) 函数使学习机的实际风险达到最小 通过有限样本的 把自然语言的文本按其内容划分到一个或多个预先 , 训练而得到小误差分类器,对独立测试集的测试后保 定义好的类别 是信息组织 主题分析和知识管理的 , 、 证小误差 得到一个具有最优分类能力和推广泛化能 有效方法 如何利用智能方法快速有效地协助人工对 , 。 力的学习机[4]。 文本信息进行分类已经成为当前信息服务和知识发 现的重要研究热点 本文介绍一种基于 的网络 。 SVM H1 H 文本信息自动分类算法 该方法研究在有限样本情况 。 H2 下的机器学习规律 具有相对较高的性能指标 可以广 , , 泛应用于网上文本信息自动分类。 margin 1 基于统计的文本自动分类