基于FOA-SVM的中文文本分類的研究.pdf

1、大數(shù)據(jù)時(shí)代的來(lái)臨，使得人們充分意識(shí)到數(shù)據(jù)的重要性，面對(duì)日益膨脹的海量數(shù)據(jù)，如何挖掘與整理這些數(shù)據(jù)成為大家關(guān)注的熱點(diǎn)。文本分類技術(shù)作為大數(shù)據(jù)時(shí)代一門非常有價(jià)值的學(xué)科，能夠很好的幫助研究者處理智能檢索、信息過(guò)濾、網(wǎng)頁(yè)分類、情感分析等領(lǐng)域問(wèn)題。文本分類是利用計(jì)算機(jī)技術(shù)將給定的文本內(nèi)容自動(dòng)判定事先確定的若干文本類別中的一種或者多種的技術(shù)，主要包括文本表示模型、文本特征詞提取方法和分類方法等技術(shù)。其中文本特征選擇和分類方法直接影響文本分類的效果。

2、
　　支持向量機(jī)能夠解決小樣本、高維數(shù)分類問(wèn)題，有很強(qiáng)的學(xué)習(xí)能力和泛化能力，是目前基于機(jī)器學(xué)習(xí)領(lǐng)域的文本分類研究的熱點(diǎn)問(wèn)題。利用支持向量機(jī)進(jìn)行分類的過(guò)程中，影響分類性能的主要因素是核函數(shù)的核參數(shù)和懲罰參數(shù)的選擇，針對(duì)粒子群算法等傳統(tǒng)優(yōu)化算法存在對(duì)參數(shù)優(yōu)化容易陷入局部極值、訓(xùn)練時(shí)間較長(zhǎng)等問(wèn)題，提出了利用果蠅優(yōu)化算法獲取最佳模型參數(shù)。將分類準(zhǔn)確率計(jì)算公式作為味道濃度判定函數(shù)，通過(guò)UCI標(biāo)準(zhǔn)數(shù)據(jù)集測(cè)試，與標(biāo)準(zhǔn)粒子群算法、遺傳算法、蟻群算

3、法比較，該優(yōu)化方法具有訓(xùn)練時(shí)間短、全局搜索能力強(qiáng)和良好魯棒性，能夠獲得較高的分類準(zhǔn)確率。
　　在研究總結(jié)文本特征提取方法和分類算法的基礎(chǔ)上，選取搜狗互聯(lián)網(wǎng)語(yǔ)料庫(kù)中六個(gè)類別的2490篇TEXT文本，利用支持向量機(jī)分類算法，在全局特征維數(shù)為300、600、900維情況下對(duì)互信息、期望交叉熵等五種特征提取方法進(jìn)行了實(shí)驗(yàn)比較，證明在特征維數(shù)900維時(shí)文本證據(jù)權(quán)算法分類性能穩(wěn)定性最強(qiáng)。然后將果蠅算法優(yōu)化后的支持向量機(jī)應(yīng)用到文本分類問(wèn)題上，在