基于LSI和SVM的文本分类研究

• 作者: 刘美茹
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 特征提取 潜在语义索引 支持向量机
• 年，卷（期）: 2007,（15）
• 所属期刊栏目: 人工智能及识别技术
• 页码范围: 217-219
• 页数: 3页
• 分类号: TP391
• 字数: 3583字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2007.15.077

摘要

文本分类技术是文本数据挖掘的基础和核心,是基于自然语言处理技术和机器学习算法的一个具体应用.特征选择和分类算法是文本分类中两个最关键的技术,该文提出了利用潜在语义索引进行特征提取和降维,并结合支持向量机(SVM)算法进行多类分类,实验结果显示与向量空间模型(VSM)结合SVM方法和LSI结合K近邻(KNN)方法相比,取得了更好的效果,在文本类别数较少、类别划分比较清晰的情况下可以达到实用效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘美茹	哈尔滨铁道职业技术学院计算机教研室	6	36	3.0	6.0