基于集成SVM的文本分類方法研究.pdf

1、伴隨著計(jì)算機(jī)網(wǎng)絡(luò)和信息技術(shù)的高速發(fā)展，各行各業(yè)所收集積累的數(shù)據(jù)規(guī)模越來越可觀，信息的海量式增長(zhǎng)使得人們難以迅速找到自己需要的數(shù)據(jù)。文本分類不但解決了用戶尋找他們感興趣的數(shù)據(jù)的需求，同時(shí)也使得網(wǎng)絡(luò)信息從雜亂變得有序。因此，文本分類受到領(lǐng)域?qū)＜液蛯W(xué)者們的高度重視。
　　文本分類指的是，給定一個(gè)分類問題，根據(jù)文本的內(nèi)容自動(dòng)地關(guān)聯(lián)到相應(yīng)的主題類別。支持向量機(jī)是其中一種優(yōu)秀的文本分類算法?？梢酝ㄟ^組合多個(gè)支持向量機(jī)分類器的集成學(xué)習(xí)方式來提高

2、分類性能。主要研究工作如下：
　?。?）討論了中文文本分類的整個(gè)過程，涉及文本分詞，去停用詞，文本表示，權(quán)重計(jì)算，特征降維，常見的分類算法樸素貝葉斯、K最近鄰和支持向量機(jī)的基礎(chǔ)理論以及文本分類器性能的評(píng)價(jià)方法。
　　（2）對(duì)支持向量機(jī)和集成學(xué)習(xí)的理論基礎(chǔ)進(jìn)行了系統(tǒng)的研究，并介紹了兩種經(jīng)典的集成學(xué)習(xí)算法Bagging和Boosting。
　?。?）將支持向量機(jī)同其他常用的分類算法做了對(duì)比，并對(duì)比研究了采用不同核函數(shù)的支持