基于SVM新闻文本分类的研究

• 作者: 张国梁 肖超锋
• 来源期刊: 电子技术
• 学科: 工学
• 关键词: 支持向量机 文本分类 特征选择 核函数选择
• 年，卷（期）: 2011,（8）
• 所属期刊栏目: 电子技术研发
• 页码范围: 16-17
• 分类号: TP391
• 字数: 2123字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-0755.2011.08.007

摘要

网络新闻自动分类已经成为当下的热点问题,SVM分类算法是文本分类中应用较为成熟的一种方法.文章针对SVM文本分类中特征选择和核函数选择的两个重要问题,在新闻文本实验环境下进行了探讨,结果表明使用互信息特征选择法且特征数在4000左右,使用SIGMOID核函数的情况下准确率与召回率均可达到97％的分类效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张国梁	中国科学技术大学信息学院	11	439	6.0	11.0
2	肖超锋	中国科学技术大学信息学院	1	0	0.0	0.0