基于支持向量机的中文极短文本分类模型

• 作者: 孟丹 张卫东 李昌 王杨 甄磊 艾世成 许闪闪
• 来源期刊: 计算机应用研究
• 关键词: 支持向量机 jieba分词 极短文本分类 TF-IDF
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 347-350
• 页数: 4页
• 分类号: TP391.1
• 语种: 中文
• DOI: 10.19734/j.issn.1001-3695.2018.06.0514

摘要

为了有效提取极短文本中的关键特征信息,提出了一种基于支持向量机的极短文本分类模型.首先对原数据进行数据清洗并利用jieba分词将清洗过的数据进行处理;再将处理后的数据存入数据库,通过TF-IDF进行文本特征的提取;同时,利用支持向量机对极短文本进行分类.经过1-0检验,验证了模型的有效性.实验以芜湖市社管平台中的9906条极短文本数据作为样本进行算法检验与分析.结果表明在分类准确率方面,该方法相比于朴素贝叶斯、逻辑回归、决策树等传统方法得到有效提高;在误分度与精确度指标上匹配结果更加均衡.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王杨	安徽师范大学计算机与信息学院	65	291	9.0	14.0
2	张卫东	安徽师范大学计算机与信息学院	7	14	3.0	3.0
3	孟丹	安徽师范大学计算机与信息学院	3	2	1.0	1.0
4	许闪闪	安徽师范大学计算机与信息学院	7	16	2.0	4.0
5	李昌	安徽师范大学计算机与信息学院	5	2	1.0	1.0
6	甄磊	安徽师范大学计算机与信息学院	3	2	1.0	1.0
7	艾世成	安徽师范大学计算机与信息学院	1	0	0.0	0.0