基于LSI和SVM相结合的文本分类研究

• 作者: 刘洋 张秋余
• 来源期刊: 计算机工程与设计
• 学科: 工学
• 关键词: 潜在语义索引 奇异值分解 支持向量机 文本分类 机器学习
• 年，卷（期）: 2007,（23）
• 所属期刊栏目: 计算机应用
• 页码范围: 5762-5764
• 页数: 3页
• 分类号: TP181
• 字数: 3260字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-7024.2007.23.059

摘要

传统的向量空间模型使用关键词来表示文本,但没有考虑关键词的一词多义和多词一义问题.为了解决该问题,提出了一种潜在语义索引和支持向量机相结合的文本分类方法,使用潜在语义索引方法获得原始特征向量的潜在语义结构.实验结果表明,该方法同单独使用支持向量机的方法相比,分类准确率有小幅度的下降,但特征向量获得了大幅度的降维.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张秋余	兰州理工大学计算机与通信学院	177	1882	24.0	34.0
2	刘洋	兰州理工大学计算机与通信学院	45	155	7.0	11.0