基于支持向量机的Web文本分类方法

• 作者: 夏士雄 牛强 王志晓 陈岱
• 来源期刊: 微电子学与计算机
• 关键词: 支持向量机 特征提取 Web文本 文本分类
• 年，卷（期）: 2006,（9）
• 页码范围: 102-104
• 页数: 3页
• 分类号: TP39
• 语种: 中文
• DOI: 10.3969/j.issn.1000-7180.2006.09.035

摘要

Web文本分类技术是数据挖掘中一个研究热点领域,而支持向量机又是一种高效的分类识别方法,在解决高维模式识别问题中表现出许多特有的优势.文章通过分析Web文本的特点,研究了向量空间模型(VSM)的分类方法和核函数的选取,在此基础上结合决策树方法提出了一种基于决策树支持向量机的Web文本分类模型,并给出具体的算法.通过实验测试表明,该方法训练数据规模大大减少,训练效率较高,同时具有较好的精确率(90.11%)和召回率(89.38%).

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	牛强	中国矿业大学计算机科学与技术学院	57	459	11.0	19.0
2	夏士雄	中国矿业大学计算机科学与技术学院	118	1158	18.0	28.0
3	王志晓	中国矿业大学计算机科学与技术学院	43	434	11.0	19.0
4	陈岱	中国矿业大学计算机科学与技术学院	19	232	7.0	15.0