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:
中文文本分类在数据库及搜索引擎中得到广泛的应用,K-近邻(KNN)算法是常用于中文文本分类中的分类方法,但K-近邻在分类过程中需要存储所有的训练样本,并且直到待测样本需要分类时才建立分类,而且还存在类倾斜现象以及存储和计算的开销大等缺陷.单类SVM对只有一类的分类问题具有很好的效果,但不适用于多类分类问题,因此针对KNN存在的缺陷及单类SVM的特点提出One Class SVM-KNN算法,并给出了算法的定义及详细分析.通过实验证明此方法很好地克服了KNN算法的缺陷,并且查全率、查准率明显优于K-近邻算法.
推荐文章
KNN文本分类算法研究
文本分类
KNN
向量空间模型
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
一种新的基于SVM-KNN的Web文本分类算法
SVM
KNN
Web文本分类
机器学习
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 一种新的中文文本分类算法——One Class SVM-KNN算法
来源期刊 计算机技术与发展 学科 工学
关键词 中文文本分类 支持向量机 K-近邻 One Class SVM-KNN
年,卷(期) 2012,(5) 所属期刊栏目 智能、算法、系统工程
研究方向 页码范围 83-86
页数 分类号 TP301.6
字数 4504字 语种 中文
DOI 10.3969/j.issn.1673-629X.2012.05.021
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 吴陈 江苏科技大学智能信息处理实验室 95 641 13.0 20.0
2 刘文 江苏科技大学智能信息处理实验室 6 19 3.0 4.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (48)
共引文献  (54)
参考文献  (9)
节点文献
引证文献  (11)
同被引文献  (22)
二级引证文献  (18)
1975(1)
  • 参考文献(1)
  • 二级参考文献(0)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(3)
  • 参考文献(0)
  • 二级参考文献(3)
2000(8)
  • 参考文献(0)
  • 二级参考文献(8)
2001(7)
  • 参考文献(0)
  • 二级参考文献(7)
2002(3)
  • 参考文献(0)
  • 二级参考文献(3)
2003(4)
  • 参考文献(1)
  • 二级参考文献(3)
2004(6)
  • 参考文献(0)
  • 二级参考文献(6)
2005(6)
  • 参考文献(1)
  • 二级参考文献(5)
2006(8)
  • 参考文献(1)
  • 二级参考文献(7)
2007(5)
  • 参考文献(1)
  • 二级参考文献(4)
2008(1)
  • 参考文献(1)
  • 二级参考文献(0)
2010(3)
  • 参考文献(3)
  • 二级参考文献(0)
2012(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2012(1)
  • 引证文献(1)
  • 二级引证文献(0)
2013(2)
  • 引证文献(2)
  • 二级引证文献(0)
2015(5)
  • 引证文献(2)
  • 二级引证文献(3)
2016(10)
  • 引证文献(1)
  • 二级引证文献(9)
2017(2)
  • 引证文献(2)
  • 二级引证文献(0)
2018(4)
  • 引证文献(2)
  • 二级引证文献(2)
2019(4)
  • 引证文献(1)
  • 二级引证文献(3)
2020(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
中文文本分类
支持向量机
K-近邻
One Class SVM-KNN
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
计算机技术与发展
月刊
1673-629X
61-1450/TP
大16开
西安市雁塔路南段99号
52-127
1991
chi
出版文献量(篇)
12927
总下载数(次)
40
总被引数(次)
111596
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导