基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
支持向量机(SVM)是基于统计学习理论的一种新的模式识别技术.介绍了文本自动分类技术的主要研究概况,并进一步从支持向量机的原理及其在文本分类中的优点等方面阐述了支持向量机在文本分类中的应用.
推荐文章
基于LIB-SVM的项目文本自动分类系统研究
项目管理
LIB-SVM
文本自动分类
基于SVM主动学习技术的 PU 文本分类
支持向量机
主动学习
PU
文本分类
Rocchio
基于SVM的Web文本快速增量分类算法
支持向量机
支持向量
最优分类超平面
KKT条件
文本特征向量
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 SVM在文本自动分类中的应用
来源期刊 成都信息工程学院学报 学科 工学
关键词 文本自动分类 支持向量机 分类 文本特征
年,卷(期) 2005,(2) 所属期刊栏目
研究方向 页码范围 121-124
页数 4页 分类号 TP274+.3
字数 3921字 语种 中文
DOI 10.3969/j.issn.1671-1742.2005.02.003
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 刘嘉勇 四川大学信息安全研究所 168 1031 16.0 22.0
2 陈淑敏 四川大学信息安全研究所 4 43 2.0 4.0
3 杨晓懿 四川大学信息安全研究所 2 16 2.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (3)
节点文献
引证文献  (14)
同被引文献  (10)
二级引证文献  (64)
2000(1)
  • 参考文献(1)
  • 二级参考文献(0)
2002(2)
  • 参考文献(2)
  • 二级参考文献(0)
2005(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2006(2)
  • 引证文献(2)
  • 二级引证文献(0)
2007(8)
  • 引证文献(2)
  • 二级引证文献(6)
2008(9)
  • 引证文献(3)
  • 二级引证文献(6)
2009(8)
  • 引证文献(2)
  • 二级引证文献(6)
2010(12)
  • 引证文献(1)
  • 二级引证文献(11)
2011(6)
  • 引证文献(0)
  • 二级引证文献(6)
2012(4)
  • 引证文献(0)
  • 二级引证文献(4)
2013(3)
  • 引证文献(1)
  • 二级引证文献(2)
2014(9)
  • 引证文献(1)
  • 二级引证文献(8)
2015(3)
  • 引证文献(1)
  • 二级引证文献(2)
2016(5)
  • 引证文献(1)
  • 二级引证文献(4)
2017(3)
  • 引证文献(0)
  • 二级引证文献(3)
2018(3)
  • 引证文献(0)
  • 二级引证文献(3)
2019(2)
  • 引证文献(0)
  • 二级引证文献(2)
2020(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
文本自动分类
支持向量机
分类
文本特征
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
成都信息工程大学学报
双月刊
2096-1618
51-1769/TN
四川省成都市西南航空港经济开发区学府路一段24号
chi
出版文献量(篇)
2582
总下载数(次)
9
总被引数(次)
12634
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导