基于SVM的中文网页分类方法的研究

• 作者: 夏士雄 牛强 王志晓 陈岱
• 来源期刊: 计算机工程与设计
• 学科: 工学
• 关键词: 支持向量机 特征提取 核函数 网页 文本分类
• 年，卷（期）: 2007,（8）
• 所属期刊栏目: 人工智能
• 页码范围: 1893-1895
• 页数: 3页
• 分类号: TP391
• 字数: 3407字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-7024.2007.08.049

摘要

中文网页分类技术是数据挖掘中一个研究热点领域,而支持向量机(SVM)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.提出了基于支持向量机的中文网页分类方法,其中包括对该过程中的网页文本预处理、特征提取和多分类算法等关键技术的介绍.实验表明,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和召回率.

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