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:
文本分类在数据库和搜索引擎的应用较为广泛,SVM是文本分类算法中的重要算法,适用于多种分类问题,能够解决传统算法中的弊端.本文对支持向量机和支持向量机算法做出具体的介绍,对该算法在文本分类中的应用具体指标进行探讨,旨在为我国的文本分类方式的进步和发展提供理论帮助.
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
基于类别特征向量表示的中文文本分类算法
中文文本分类
向量空间模型
评价函数
特征提取
基于AdaBoost-Bayes算法的中文文本分类系统
中文分词
文本分类
AdaBoost
Bayes
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 SVM算法在中文文本分类算法中的应用策略研究
来源期刊 通讯世界 学科 工学
关键词 SVM算法 中文文本分类算法 应用策略
年,卷(期) 2016,(1) 所属期刊栏目 论述
研究方向 页码范围 225-226
页数 2页 分类号 TP391.1
字数 1343字 语种 中文
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 王泽 公安海警学院电子技术系 1 5 1.0 1.0
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  (7)
参考文献  (2)
节点文献
引证文献  (5)
同被引文献  (0)
二级引证文献  (0)
1975(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(2)
  • 参考文献(0)
  • 二级参考文献(2)
2006(2)
  • 参考文献(0)
  • 二级参考文献(2)
2007(3)
  • 参考文献(0)
  • 二级参考文献(3)
2008(1)
  • 参考文献(1)
  • 二级参考文献(0)
2012(1)
  • 参考文献(1)
  • 二级参考文献(0)
2016(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)
2016(1)
  • 引证文献(1)
  • 二级引证文献(0)
2017(2)
  • 引证文献(2)
  • 二级引证文献(0)
2018(2)
  • 引证文献(2)
  • 二级引证文献(0)
研究主题发展历程
节点文献
SVM算法
中文文本分类算法
应用策略
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
通讯世界
月刊
1006-4222
11-3850/TN
大16开
北京复兴路15号138室
82-551
1994
chi
出版文献量(篇)
31562
总下载数(次)
90
总被引数(次)
56487
论文1v1指导