作者:
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:
基于机器学习的文本分类是近年来发展迅速并受广泛关注的数据挖掘技术。该文介绍了几种重要的文本分类方法例如贝叶斯、K最邻近和支持向量机。根据不同方法在不同数据分布状况的中文数据集上的分类表现,对比分析各方法的性能和优缺点。
推荐文章
中文文本分类研究
文本分类
k 近邻
支持向量机
最大熵
中文文本分类系统的设计与实现
文本分类
向量空间模型
特征项选择
权重
文本分类技术研究
文本分类
文本模型
数据挖掘
基于神经网络的中文文本分类中的特征选择技术
文本分类
神经网络
主成分分析
特征选择
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 基于机器学习的中文文本分类技术研究
来源期刊 电脑知识与技术:学术交流 学科 工学
关键词 中文文本分类 贝叶斯 K最邻近 支持向量机
年,卷(期) 2011,(7X) 所属期刊栏目
研究方向 页码范围 5194-5196
页数 3页 分类号 TP391.1
字数 语种
DOI
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 贾昱晟 四川大学计算机学院计算机科学与技术系 2 4 1.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (16)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2004(1)
  • 参考文献(1)
  • 二级参考文献(0)
2006(2)
  • 参考文献(2)
  • 二级参考文献(0)
2007(1)
  • 参考文献(1)
  • 二级参考文献(0)
2008(1)
  • 参考文献(1)
  • 二级参考文献(0)
2009(1)
  • 参考文献(1)
  • 二级参考文献(0)
2011(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)
研究主题发展历程
节点文献
中文文本分类
贝叶斯
K最邻近
支持向量机
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
电脑知识与技术:学术版
旬刊
1009-3044
34-1205/TP
安徽合肥市濉溪路333号
26-188
出版文献量(篇)
41621
总下载数(次)
23
总被引数(次)
0
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导