基于球向量机的中文文本分类 - 计算机工程与科学.pdf

CN43-1258／TP 计算机工程与科学 2008年第3O卷第 12期 ISSN 1007—130X COMPUTERENGINEERING SCIENCE Vo1．30，No．12，2008 文章编号：1007—130X(2008)12—0082—03 基于球向量机的中文文本分类 ChineseTextClassification BasedontheBal1VectorMachine 卢祖友。桑永胜 LU Zwyou，SANG Yong-sheng (电子科技大学计算机学院计算智能实验室，四川 成都 610054) (ComputationalIntelligenceLaboratory，SchoolofComputerScienceandEngineering- UniversityofElectronicsScienceandTechnologyofChina，Chengdu610054，China) 摘 要：SVM在文本分类中的应用是近年来文本分类领域重要的进展之一。许多实验表明，SVM在文本分类中比其 他的机器学习算法表现出更高的分类精度，但在大规模数据上的收敛速度较慢，成为SVM在实际应用中的一大缺点。球 向量机是一种比SVM更快的机器学习方法。本文将 BVM应用于文本分类。实验表明，BVM在文本分类中的应用具有 与SVM相当的精度，而且比SVM有更少的训练时间。 Abstract：Inrecentyears，SVM (SupportVectorMachine)fortextclassificationhasbeenregardedasoneoftheimpor— tantprogressesinthetextclassificationfield．Manyexperimentsshow thatSVM hashigherclassificationaccuracythanany othermachinelearningalgorithmsintextclassification，butithasaslowerrateofconvergenceforlarge-scaledata，which becomes8bigflaw initspractice．BVM (BallVectorMachine)isafastermachinelaerningalgorithm thanSVM．Thispa— perappliesBVM totextcategorization．Experimentsonreal—-worldtextdatasetsdemonstratethatBVM hasaccuraciescom—- parabletOSVM ，butismuchfasterthna S M 关键词：文本分类；支持向量机；球向量机 Keywords：textclassification；SVM ；B、 中图分类号：TP391 文献标识码：A 向量空间模型和支持向量机等技术上。本文讨论 了BVM 1 引言 算法 。在文本分类中的应用。 随着现代计算机技术和网络技术的飞速发展，文本分 2 文本预处理 类技术得到了越来越广泛的应用 ，如大型网站检索系统、数 字图书馆中文文本归类系统、垃圾邮件的剔除等，无不运用 文档都是非结构化的，而且文档的内容是人类所使用 了自动分类技术，不仅节省了大量的人力、物力和时间，而 的 自然语言，计算机很难处理其语义，因此要进行必要的文 且有效地提高了信息服务的质量与效率。文本分类是指在 本预处理。西文文本词与词之间有明显的间隔符分开，而 给定