基于社交平台数据的文本分类算法研究

• 作者: 施瑞朗
• 来源期刊: 电子科技
• 学科: 工学
• 关键词: 文本分类 机器学习算法 短文本数据 SVM TF-IDF
• 年，卷（期）: 2018,（10）
• 页码范围: 69-70,75
• 页数: 3页
• 分类号: TP391
• 字数: 2297字
• 语种: 中文
• DOI: 10.16180/j.cnki.issn1007-7820.2018.10.016

摘要

文本分类是文本挖掘、机器学习、自然语言处理等诸多领域的子问题之一,在过去的十多年里,网络上的文本数据量呈现高速增长的趋势,尤其是在社交类平台,其文本数据大多都以文本长度短、数量多的形式出现,如何将这些短文本数据进行分类以及提取出每个类中的具有代表性的词语是文本分类的一大难题,且目前在社交平台上关于短文本的文本分类研究甚少.文中抓取一部分社交平台Twitter上的数据,使用不同的机器学习算法进行模型训练和模型评估,实验结果表明,基于SVM的模型在短文本分类上有较好的表现.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	施瑞朗	杭州电子科技大学计算机学院	1	7	1.0	1.0