基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
提出基于主动学习支持向量机的文本分类方法,首先采用向量空间模型(VSM)对文本特征进行提取,使用互信息对文本特征进行降维,然后提出主动学习算法对支持向量机进行训练,使用训练后的分类器对新的文本进行分类,实验结果表明该方法è具有良好的分类性能.
推荐文章
基于支持向量机的Web文本分类方法
支持向量机
特征提取
Web文本
文本分类
基于支持向量机的不均衡文本分类方法
混合算法
支持向量机
不均衡数据集
插值样本
文本分类
迭代进化
基于支持向量机的中文极短文本分类模型
支持向量机
jieba分词
极短文本分类
TF-IDF
基于SVM主动学习技术的 PU 文本分类
支持向量机
主动学习
PU
文本分类
Rocchio
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于主动学习支持向量机的文本分类
来源期刊 计算机工程与应用 学科 工学
关键词 向量空间模型 主动学习 支持向量机 文本分类
年,卷(期) 2009,(2) 所属期刊栏目 数据库、信号与信息处理
研究方向 页码范围 134-136
页数 3页 分类号 TP391
字数 3666字 语种 中文
DOI 10.3778/j.issn.1002-8331.2009.02.039
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 朱红斌 丽水学院计算机与信息工程学院 23 135 7.0 11.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (11)
共引文献  (14)
参考文献  (2)
节点文献
引证文献  (30)
同被引文献  (52)
二级引证文献  (184)
2000(2)
  • 参考文献(0)
  • 二级参考文献(2)
2002(4)
  • 参考文献(0)
  • 二级参考文献(4)
2003(3)
  • 参考文献(0)
  • 二级参考文献(3)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(1)
  • 参考文献(1)
  • 二级参考文献(0)
2007(1)
  • 参考文献(1)
  • 二级参考文献(0)
2009(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2010(6)
  • 引证文献(6)
  • 二级引证文献(0)
2011(6)
  • 引证文献(4)
  • 二级引证文献(2)
2012(9)
  • 引证文献(6)
  • 二级引证文献(3)
2013(13)
  • 引证文献(5)
  • 二级引证文献(8)
2014(10)
  • 引证文献(2)
  • 二级引证文献(8)
2015(29)
  • 引证文献(2)
  • 二级引证文献(27)
2016(23)
  • 引证文献(2)
  • 二级引证文献(21)
2017(32)
  • 引证文献(0)
  • 二级引证文献(32)
2018(45)
  • 引证文献(2)
  • 二级引证文献(43)
2019(35)
  • 引证文献(1)
  • 二级引证文献(34)
2020(6)
  • 引证文献(0)
  • 二级引证文献(6)
研究主题发展历程
节点文献
向量空间模型
主动学习
支持向量机
文本分类
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机工程与应用
半月刊
1002-8331
11-2127/TP
大16开
北京619信箱26分箱
82-605
1964
chi
出版文献量(篇)
39068
总下载数(次)
102
总被引数(次)
390217
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导