基于改進支持向量機的網(wǎng)頁自動分類研究.pdf

1、在互聯(lián)網(wǎng)技術飛速發(fā)展的今天，網(wǎng)絡已成為人們日常生活中所不可或缺的工具。隨著網(wǎng)絡信息的海量增長，如何有效且快速的從中找尋自己所需要的信息已成為目前研究的熱點，因此網(wǎng)頁分類技術應運而生。網(wǎng)頁分類是實現(xiàn)網(wǎng)絡快速檢索信息的一個非常重要的技術，它使用計算機并依靠機器學習實現(xiàn)的網(wǎng)頁類別的自動標注。在眾多的分類算法中，支持向量機以其出色的學習能力及其在高維問題中所表現(xiàn)的特定優(yōu)勢，越來越受到人們的關注。
　　首先，論文介紹了網(wǎng)頁分類的基本流程，并

2、對網(wǎng)頁分類關鍵技術之一的特征提取進行了深入的研究和分析。分析了特征選擇目前比較常用的“統(tǒng)計量算法”，并根據(jù)其忽略低頻但可能具有類別代表意義詞匯這一不足，提出了改進的統(tǒng)計量特征選擇方法，增加特征詞在類別中所占比率和特征詞在所有文本特征集中所占比率這兩個因素作為因子，綜合考慮，實現(xiàn)了深層挖掘有意義的特征數(shù)據(jù)的目的。其次，對于網(wǎng)頁信息，本文采用支持向量機學習算法構建網(wǎng)頁分類器。在應用過程中，針對支持向量機的懲罰因子和核參數(shù)較難確定的問題，采用