基于 KNN ＋层次 SVM 的文本自动分类技术

• 作者: 产文 周向东 喻辉 施伯乐 王金华
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 自动文本分类 KNN 层次 SVM
• 年，卷（期）: 2016,（2）
• 所属期刊栏目: 数据工程
• 页码范围: 38-41
• 页数: 4页
• 分类号: TP302.1
• 字数: 4745字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2016.02.009

摘要

针对大规模文本的自动层次分类问题，K 近邻（KNN）算法分类效率较高，但是对于处于类别边界的样本分类准确度不是很高。而支持向量机（SVM）分类算法准确度比较高，但以前的多类 SVM算法很多基于多个独立二值分类器组成，训练过程比较缓慢并且不适合层次类别结构等。提出一种融合 KNN 与层次 SVM的自动分类方法。首先对 KNN 算法进行改进以迅速得到 K 个最近邻的类别标签，以此对文档的候选类别进行有效筛选。然后使用一个统一学习的多类稀疏层次 SVM分类器对其进行自上而下的类别划分，从而实现对文档的高效准确的分类过程。实验结果表明，该方法在单层和多层的分类数据集上的分类准确度比单独使用其中任何一种要好，同时分类时间上也比较接近其中最快的单个分类器。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	施伯乐	复旦大学计算机学院	188	4414	33.0	61.0
2	周向东	复旦大学计算机学院	35	323	10.0	17.0
3	王金华	中国电子科技集团公司第三十二研究所	6	26	3.0	5.0
4	产文	复旦大学计算机学院	3	17	3.0	3.0
5	喻辉		2	11	1.0	2.0