基于LSI和SVM分类法的定题邮件过滤研究

• 作者: 李方敏 杨清
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 支持向量机 潜在语义索引 信息查询 监护学习 文本分类
• 年，卷（期）: 2006,（35）
• 所属期刊栏目: 数据库与信息处理
• 页码范围: 168-171
• 页数: 4页
• 分类号: TP181
• 字数: 3704字
• 语种: 中文
• DOI: 10.3321/j.issn:1002-8331.2006.35.049

摘要

潜在语义索引(LSI)是一种有效的信息查询方法,同时也被成功地应用到了文本分类中.LSI能解决同义和多义的问题,通过降低原始文档-术语矩阵的噪声来凸现出词条和文档之间的语义关系.为了识别和过滤有害的、不期望的定题的信息或Email,在双语言环境下(包括中文和英文),提出了一个基于改进的LSI方法的定题邮件类信息过滤系统,该系统采用潜在语义模型来表示被过滤的信息类,通过奇异值分解和正例监护学习方法,选择支持向量机(SVM)来识别和分类预定义的定题信息.实验结果表明:基于LSI的特征选择的SVM分类算法是一种更有效的信息识别和文本分类方法,不但具有较好的分类性能,同时也能大大减小计算的复杂性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李方敏	湖南科技大学计算机学院	6	31	3.0	5.0
2	杨清	湖南科技大学计算机学院	6	33	4.0	5.0