支持向量机方法在文本分类中的改进.pdfVIP

2008牟第1期 中图分类号：仰181 文献标识码：A 文章编号：1009—2552(2008)01—0083—02 支持向量机方法在文本分类中的改进 谭冠群，丁华福 (哈尔滨理工大学计算机科学与技术学院，哈尔滨150080) 摘 要：提出了一种应用于文本分类的KNN和sVM相结合的算法，将sVM近似看成每类只有一 个代表点的lNN分类器，对于待识别样本，如果其离支持向量机的最优分界面较远，则用sVM 分类；如果其离分界面较近，采用KNN对测试样本分类，将每个支持向量作为代表点，计算待 识别样本和每个支持向量的距离对其作出判断。该算法综合了心州和SvM在分类问题中的优 势，既有效地降低了分类候选的数目，又提高了文本分类的精度。最后用实验验证了该算法的 有效性。 关键词：文本分类；支持向量机；I(NN算法 ofSⅥMmethodintext InproVement categorization Hua—fu 1ⅫGu肌。qun，DING 0f Sden∞锄m (sch00lC咖【lput盯sci朗ceTI湖moIo留，HarbiIlUmve戚哆of mec|Illlolo留，珏arbin1500180，QIi∞) basedonthefusionof时州andsvMintext is indlis AbstI徼t：An蛔rithm categorizationproposedtext， cllis S、Wasaclassi壬ierwhich one ineachcl昌嘲．Forme we algo珊1IIlputs h船onlyrepres肌枷Vepoint poillt to to su矗配efor weuse want ihedis胁ce classificationis SⅧ，else categodes，if opt砌decision f缸，t}len as iIl weuseⅪqN each vectora dis咖et}le al鲥t}lm，makesupport representati、忙point，makedecisi傩by吐1e each ofⅪ州锄dSVM：iIlte)(t 耐m锄d suppon、伐tor．rIhisal鲥thm洌柏ir麟thead砌1tages cat镏0rization，it t}lenu斑beroftlle in seta11d 1ast reduces pointtraining improveslargelyclaLssificati叽peIfbnllaIlceLa喾ly．At tlle resultsbased0ntext Verifies ise脆ctive． e印erimental cate90Iizationt}le蛔出m vector KeyⅥ研ds：textcateg耐zation；supportmachi