陈建峡， 朱季骐， 王鹰适， 倪一鸣

(1 湖北工业大学 计算机学院，湖北 武汉 430068； 2 湖北泰信科技信息发展有限责任公司, 湖北 武汉 430071)



一种基于SVM的博客大数据分类算法及应用

陈建峡1， 朱季骐1， 王鹰适2， 倪一鸣2

(1 湖北工业大学 计算机学院，湖北 武汉 430068； 2 湖北泰信科技信息发展有限责任公司, 湖北 武汉 430071)

提出了一种基于SVM的博客大数据分类算法BBD-SVM，根据RSS博客文本特点提取博客特征词，通过SVM模型参数寻优化SVM分类模型实现博客大数据分类。并设计了RSS博客爬虫，以互联网上各种计算机程序设计语言的技术博客为爬取对象，利用BBD-SVM算法对相关技术博客进行专业分类，为用户学习程序设计语言提供专业推荐服务。其中，博客文本特征的提取选用改进的TF-IDF作为权重计算函数，SVM分类模型的参数寻优很好地提高了分类效率。实验结果表明，BBD-SVM算法具有准确率高，耗时少的优势，能够实现快速准确的博客推荐服务。

支持向量机；博客；大数据；分类算法；社交网络；用户推荐

目前，博客文本分类方法主要有朴素贝叶斯法、K最邻近(kNN，k-Nearest Neighbor)方法和支持向量机(SVM, Support Vector Machine)方法。朴素贝叶斯法是通过假设各个单词之间两两独立，然后用条件概率模型进行分类。kNN方法是一种基于实例的文本方法，对一个测试文本计算它与训练样本中每个文本的相似度，找出k个最相似的文本，在此基础上给每一个文本类别打分，然后根据打分高低排序分类[1]。SVM方法通过对样本的学习寻找最优分类超平面，然后根据找到的最优分类超平面进行分类。……