SVM用于文本分类的适用性

被引：23

作者：

刘晓亮 ^{[1
]}

丁世飞 ^{[1
,2
]}

朱红 ^{[1
]}

张力文 ^{[1
]}

机构：

[1] 中国矿业大学计算机科学与技术学院

[2] 中国科学院计算技术研究所智能信息处理重点实验室

来源：

计算机工程与科学 | 2010年 / 32卷 / 06期

关键词：

文本分类; SVM; 机器学习;

D O I：

暂无

中图分类号：

TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

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。

引用

页码：106 / 108

页数：3

共 5 条

[1] 基于机器学习的文本分类技术研究进展 [J].

苏金树 ;

张博锋 ;

徐昕 .

软件学报, 2006, (09) :1848-1859

[2]

统计学习理论[M]. 电子工业出版社 , (美)瓦普尼克（VladimirN.Vapnik）著, 2004

[3]

Support vector machines classification with a very large-scale taxonomy[J] . Tie-Yan Liu,Yiming Yang,Hao Wan,Hua-Jun Zeng,Zheng Chen,Wei-Ying Ma.ACM SIGKDD Explorations Newsletter . 2005 (1)

[4] SUPPORT-VECTOR NETWORKS [J].

CORTES, C ;

VAPNIK, V .

MACHINE LEARNING, 1995, 20 (03) :273-297

[5]

Estimation of Dependences Based on Empirical Data. Vapnik, V. Springer-Verlag . 1982

← 1 →