组合核函数SVM在特定领域文本分类中的应用①
2016-03-07吕洪艳
计算机系统应用 2016年5期
吕洪艳, 刘 芳
组合核函数SVM在特定领域文本分类中的应用①
吕洪艳, 刘 芳
(东北石油大学计算机与信息技术学院, 大庆 163318)
面向特定领域文本分类的实际应用, 存在大量样本相互掺杂的现象, 使其无法线性表述, 在SVM中引入核函数可以有效地解决非线性分类的问题, 而选择不同的核函数可以构造不同的SVM, 其识别性能也不同, 因此, 选择合适的核函数及其参数优化成为SVM的关键. 本文基于单核核函数的性质, 对多项式核函数与径向基核函数进行线性加权, 构建具有良好的泛化能力与良好的学习能力的组合核函数. 仿真实验结果表明, 在选择正确参数的情况下, 组合核函数SVM的宏平均准确率、宏平均召回率及宏平均综合分类率都明显优于线性核、多项式核与径向基核, 而且能够兼顾准确率与召回率.
SVM; 组合核函数; 文本分类; 多分类
1 引言
随着互联网的迅猛发展, 信息增长速度越来越快, 使得信息量也非常巨大. 在一般情况下, 特定用户只需求某一领域内的信息, 而在海量信息中寻找所需信息需要耗费大量的时间与精力, 因此, 为了使特定领域的人们能够高效地获得所需信息, 就需要对信息进行自动分类. 由于互联网上的大部分信息都以文本形式存在, 因此, 文本信息自动分类就显得尤为重要. 针对特定领域的用户需求, 基于内容的文本自动识别与分类方法是组织、管理文本信息的有效手段, 可以有效地提高用户寻找所需信息……
登录APP查看全文
