基于后缀树词序列核挖掘Web文档

• 作者: 傅鹏 张德运 董皓 陈海诠
• 来源期刊: 微电子学与计算机
• 关键词: 核学习方法 词序列核 字符串核 后缀树 Web挖掘
• 年，卷（期）: 2005,（12）
• 页码范围: 4-7
• 页数: 4页
• 分类号: TP31
• 语种: 中文
• DOI: 10.3969/j.issn.1000-7180.2005.12.002

摘要

通过将文档表示为一棵后缀树,文章提出一种基于后缀树索引计算文档相似度的词序列核.首先根据文档的词序列构造出后缀树,然后根据后缀树词序列核计算文档间的相似度,最后利用支持向量机对文档进行分类.理论分析表明后缀树词序列核的计算只与比较文档的长度成线性关系,大大减少了序列核的计算时间.在reuters21578文档集上将后缀树词序列核与词序列核、多项式核进行比较,实验结果表明在改善速度的同时,后缀树词序列核可达到与词序列核相当的性能,优于多项式核,更适于Web文档挖掘等应用.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张德运	西安交通大学电子与信息工程学院	184	2190	23.0	37.0
2	傅鹏	西安交通大学电子与信息工程学院	11	79	5.0	8.0
3	陈海诠	西安交通大学电子与信息工程学院	8	67	5.0	8.0
4	董皓	西安交通大学电子与信息工程学院	12	83	6.0	9.0