基于svm的多类文本分类研究

《基于svm的多类文本分类研究》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、中南财经政法大学硕士学位论文基于SVM的多类文本分类研究姓名：梁秀娟申请学位级别：硕士专业：企业管理指导教师：刘勘20080601摘要在信息时代，文本分类的技术越来越紧密地与其他信息技术相结合，多方位地更好地为人类服务。搜索引擎是重要的网络信息查找工具，文本分类的技术可以弥补传统搜索引擎的不足，可以过滤用户并不需要的某些文本，并且可以将检索结果涉及到的多学科信息展现在用户面前，使用户能够清晰地发现自己感兴趣的内容；文本分类的技术还可以参与到主动的信息推送服务中。文本分类是信息处理的重要研究方向，它是指在给定的分类体系下，

2、根据文本的内容自动判别文本类别的过程。近年来，文本分类技术已经逐渐与搜索引擎、信息推送、信息过滤等信息处理技术相结合，有效地提高了信息服务的质量。文本自动分类技术从开始出现到现在，经历了从基于规则到基于统计分类，再到规则和统计相结合的一个过程。数据挖掘可视化是将数据信息以某种图形图像可视化的形式呈现出来，给观察者提供一种量化的方式，来理解嵌入在数据中的隐藏信息。目前知识发现与数据分析实验室开展了很多同可视化技术的相关研究，如科技管理中数据可视化技术研究、管理科学监测体系中的可视化研究、专利信息的可视化研究等等，并且在该领

3、域取得了一定成果。本文在中文文本自动分类的基础上对文本多类分类方面做了一些有益的探索，对中文文本分类的相关技术—中文分词、文本表示、特征提取、分类算法、可视化等方面做了一些研究,具体研究内容如下：首先对当前文本分类的研究意义、定义和技术发展，以及中文文本分类的几个关键技术和算法做了介绍，其次介绍了支持向量机（SVM）算法，然后在此基础上提出了并行分类的多类文本分类处理方法，并构建了并行文本分类的模型，接着对真实中文多类文本进行了实验：首先对训练文本进行预处理，用向量空间模型表示文本，用互信息和词频相结合的方式对文本进行特

4、征提取，并将其用特征向量表示出来，从而来训练各并行的两类分类机。最后通过对多类文本的测试结果，证明了该并行分类方法在多类文本分类方面的具有高效能性。然后文中又对文本的可视化方法给予了研究：高维空间可视化，文本层次可视化和分类结果可视化。最后本文对于基于SVM的多类文本分类进行了总结与展望。关键词：支持向量机；文本分类；多类文本分类；并行分类；可视化AbstractAtinformationages,thetextclassficationtechniquecombineswithotherinformationtechn

5、iquesmoreandmoreclosely,andservicebetterlyinmanyways.Thesearchingengineisanimportantnetworktool.Thetextclassficationcanmakeuptheshortageofthetraditionsearchingengine.Itcanfiltersomeuselesstextoriginally,andcanclassifysearchingresultofmanyinformation,anddiscoverth

6、einterestedcontentsclearly.Thetextclassficationtechniquecanalsoparticepateanactiveinformationservice.Textclassificationisoneofthemostimportantresearchareaswhichautomaticallyclassifytextstoclassesaccordingtothecontentofthetextsundergivenclassificationsystem.Recent

7、ly,Textclassificationtechnique,whichhasbeenmixedwithsearchingengine,informationpushing,sending,andfiltering,hasimprovedinformationserviceeffectively.Fromthebeginningtonow,TextAutomaticClassificationhasexperiencedtheperiodfromrule-basedtostatistics-based,andnowith

8、asbeendevelopedintothephrasewhichmixedboththerule-basedmethodandthestatistics-basedmethod.Dataminingvisualizationistheformwhichcanpresenttheimbeddatainformatio