一种用于文本分类的语义SVM及其在线学习算法

• 作者: 代六玲 陈肇雄 黄河燕
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 文本分类 支持向量机 语义SVM 在线学习
• 年，卷（期）: 2004,（36）
• 所属期刊栏目: 博士论坛
• 页码范围: 11-14,57
• 页数: 5页
• 分类号: TP391
• 字数: 5587字
• 语种: 中文
• DOI: 10.3321/j.issn:1002-8331.2004.36.004

摘要

该文利用SVM在小训练样本集条件下仍有高泛化能力的特性,结合文本分类问题中同类别文本的特征在特征空间中具有聚类性分布的特点,提出一种使用语义中心集代替原训练样本集作为训练样本和支持向量的SVM:语义SVM.文中给出语义中心集的生成步骤,进而给出语义SVM的在线学习(在线分类知识积累)算法框架,以及基于SMO算法的在线学习算法的实现.实验结果说明语义SVM及其在线学习算法具有巨大的应用潜力:不仅在线学习速度和分类速度相对于标准SVM及其简单增量算法有数量级提高,而且分类准确率方面具有一定优势.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄河燕	中国科学院计算机语言信息工程研究中心	54	1398	18.0	36.0
2	陈肇雄	中国科学院计算机语言信息工程研究中心	37	1042	13.0	32.0
3	代六玲	南京理工大学计算机科学系	7	587	4.0	7.0