首页 | 本学科首页   官方微博 | 高级检索  
     检索      

SVM用于文本分类的适用性
引用本文:刘晓亮,丁世飞,朱红,张力文.SVM用于文本分类的适用性[J].计算机工程与科学,2010,32(6):106-108.
作者姓名:刘晓亮  丁世飞  朱红  张力文
作者单位:1. 中国矿业大学计算机科学与技术学院,江苏,徐州,221008
2. 中国矿业大学计算机科学与技术学院,江苏,徐州,221008;中国科学院计算技术研究所智能信息处理重点实验室,北京,100080
基金项目:江苏省基础研究计划自然科学基金,国家自然科学基金,中国科学院智能信息处理重点实验室开放基金资助项目 
摘    要:本文从统计的角度描述了文本分类的关键性质,给出了相应的文本文档集的统计分类模式,并将其与支持向量机的模型结合,说明了为什么支持向量机(SVM)能够很好地进行文本分类。本文主要是从理论角度说明SVM用于文本分类的适用性,模型构造简单,并且是高度抽象、无噪音的。

关 键 词:文本分类  SVM  机器学习
收稿时间:2009-09-17
修稿时间:2009-12-11

Appropriateness in Applying SVMs to Text Classification
LIU Xiao-liang,DING Shi-fei,ZHU Hong,ZHANG Li-wen.Appropriateness in Applying SVMs to Text Classification[J].Computer Engineering & Science,2010,32(6):106-108.
Authors:LIU Xiao-liang  DING Shi-fei  ZHU Hong  ZHANG Li-wen
Institution:(1.School of Computer Science and Technology,China University of Mining and Technology,Xuzhou 221008; 2.Key Laboratory of Intelligent Information Processing,Institute of Computing Technology, Chinese Academy of Sciences,Beijing 100080,China)
Abstract:This paper introduces the key properties of text classification from a statistical perspective, gives the corresponding statistical classification model of text document sets which is combined with SVMs, and explains why SVMs perform well for text classification. This paper explains the appropriateness in  applying SVMs to text classification primarily from a theoretical perspective, so the model is very simple, high abstract and noiseless.
Keywords:SVM
本文献已被 万方数据 等数据库收录!
点击此处可从《计算机工程与科学》浏览原始摘要信息
点击此处可从《计算机工程与科学》下载免费的PDF全文
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号