基于改進的支持向量機的WEB文本挖掘技術研究.pdf

1、隨著Internet的迅速發(fā)展,信息爆炸問題也隨之產生。由于Internet的開放性、動態(tài)性使得用戶很難快速、準確的從網上獲取所需的信息。因此如何有效的從網絡上獲取有價值的信息成為當前研究的熱點,Web文本挖掘技術就是解決上述問題的一種方法。Web文本挖掘采用數(shù)據挖掘、機器學習、自然語言處理、信息檢索和知識管理等領域的技術來處理和分析非結構或半結構化的文本,從中提取有價值的知識。
　　目前主要的文本分類方法有:最近鄰分類、貝葉斯分

2、類、決策樹、支持向量機、向量空間模型、回歸模型和神經網絡等。本文通過分析現(xiàn)有的文本分類方法的不足,提出了基于SVM的改進的Web文本分類方法。
　　首先,本文介紹了Web數(shù)據挖掘的基本概念、分類和方法,以及現(xiàn)有Web文本挖掘的具體過程和相關理論。其次,本文介紹了統(tǒng)計學習理論的主要內容和支持向量機的基本原理,闡述了支持向量機研究和應用的現(xiàn)狀以及所面臨的問題。最后,本文將并行SVM與主動Web文本分類相結合,提出了一種改進的基于支持向