基于SVM的文本多选择分类系统的设计与实现

• 作者: 丁世涛 卢军 洪鸿辉 郭致远 黄傲
• 来源期刊: 计算机与数字工程
• 学科: 工学
• 关键词: 机器学习 标题 快速分类 word2vec SVM
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 信息处理与网络安全
• 页码范围: 147-152
• 页数: 6页
• 分类号: TP181
• 字数: 4043字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-9722.2020.01.027

摘要

随着互联网的普及,人类获取特定信息需求的增加,如何快速获取特定类别信息是当前搜索引擎,门户网站等必须解决的问题.当前网页分类的任务都由机器学习的文本分类算法完成,但传统的机器学习分类方法基本没有考虑文本数据特征,提供无差别的分类服务.该系统充分考虑网页文本数据的特征,以文本标题为突破口实现快速分类以及依据SVM的普通分类.快速分类依据文本标题通过分词模型训练快速对应到分类标签上,完成快速分类.如果快速分类不成功则将文本内容通过结巴分词器分词,word2vec进行分词向量的训练,再根据分类要求通过SVM进行分类,完成普通的分类.通过提供两种不同的服务来完成不同的需求.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	卢军		23	93	6.0	9.0
2	洪鸿辉		2	1	1.0	1.0
3	丁世涛		2	1	1.0	1.0
4	黄傲		3	2	1.0	1.0
5	郭致远		3	13	1.0	3.0