多类支持向量机文本分类方法

• 作者: 张德贤 张苗
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 文本分类 机器学习 支持向量机 多类支持向量机
• 年，卷（期）: 2008,（3）
• 所属期刊栏目: 智能、算法、系统工程
• 页码范围: 139-141,156
• 页数: 4页
• 分类号: TP311
• 字数: 2756字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2008.03.039

摘要

文本分类是数据挖掘的基础和核心,支持向量机(SVM)是解决文本分类问题的最好算法之一.传统的支持向量机是两类分类问题,如何有效地将其推广到多类分类问题仍是一项有待研究的课题.介绍了支持向量机的基本原理,对现有主要的多类支持向量机文本分类算法进行了讨论和比较.提出了多类支持向量机文本分类中存在的问题和今后的发展.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张苗	河南工业大学信息科学与工程学院	19	80	5.0	8.0
2	张德贤	河南工业大学信息科学与工程学院	88	431	10.0	17.0