基于多類支持向量機(jī)的文本分類研究.pdf

1、隨著信息時(shí)代的高速發(fā)展，如何對(duì)已有大量自然語(yǔ)言文本進(jìn)行挖掘，特別是對(duì)其按照設(shè)定的語(yǔ)義進(jìn)行正確的歸類，已經(jīng)成為組織大量文本信息的一個(gè)關(guān)鍵問(wèn)題，這就是文本挖掘中很重要的一類任務(wù)．文本分類。支持向量機(jī)是由Vapnik等人提出的一種學(xué)習(xí)技術(shù)，是借助于最優(yōu)化方法解決機(jī)器學(xué)習(xí)問(wèn)題的新工具。它集成了最大間隔超平面、Mercer核、凸二次規(guī)劃、稀疏解和松弛變量等多項(xiàng)技術(shù)。由于其具有全局最優(yōu)、結(jié)構(gòu)簡(jiǎn)單、推廣能力強(qiáng)等優(yōu)點(diǎn)，近幾年得到了廣泛地研究并應(yīng)用于文本

2、分類、模式識(shí)別等領(lǐng)域。但支持向量機(jī)最初是針對(duì)二類分類提出的，如何將其擴(kuò)展到多類并應(yīng)用于文本分類是本文研究的重要內(nèi)容。 本文在對(duì)文本挖掘問(wèn)題進(jìn)行闡述的基礎(chǔ)上，對(duì)支持向量機(jī)多類分類算法進(jìn)行了深入的研究，在考察現(xiàn)有多分類SVM算法后，提出了一種基于二叉樹(shù)基礎(chǔ)的多類SVM改進(jìn)算法，并把改進(jìn)后的多類SVM用于文本挖掘中的文本分類。己經(jīng)進(jìn)行的主要研究工作如下： ①研究了文本挖掘的常見(jiàn)技術(shù)，并以文本分類為主要任務(wù)，闡述了常用的文本分類

3、算法。接下來(lái)對(duì)支持向量機(jī)原理進(jìn)行了闡述，并對(duì)其應(yīng)用于分類挖掘時(shí)的問(wèn)題及解決方法做了簡(jiǎn)要分析。 ②支持向量機(jī)多類分類算法的研究，分析比較了目前存在的基于支持向量機(jī)的多類別分類方法，包括“一對(duì)多”方法、“一對(duì)一”方法、一次性求解方法、決策有向無(wú)環(huán)圖方法、基于二叉樹(shù)的支持向量機(jī)多類分類方法等，比較了它們的優(yōu)缺點(diǎn)及性能。 ③重點(diǎn)研究了基于二叉樹(shù)的多類SVM分類算法，詳細(xì)地討論了目前存在的幾種二叉樹(shù)多類SVM算法組合策略，在訓(xùn)練時(shí)