一种基于改进支持向量机的文本倾向性分类算法  

A Text Sentiment Classification Algorithm Based on Improved Support Vector Machines

作　　者：田冬阳[1] 

机构地区：[1]上海交通大学电子信息与电气工程学院

出　　处：《微型电脑应用》2011年第3期34-37,5,共5页Microcomputer Applications

摘　　要：文本的倾向性分类器是文本倾向性分类的核心部分,它用于将待分类的文本映射到某一倾向性类别中去。传统支持向量机的核函数学习能力和泛化推广能力的平衡性有待提高,而且参数选择不易。对目前文本倾向性分类算法使用的传统的支持向量机进行了改进,一是构造了多核函数;二是使用粒子群算法对支持向量机的参数进行优化,平衡了核函数的全局性和局部性,更有利于对样本数据的学习和推广;最后利用改进的支持向量机构造文本倾向性分类算法。Text sentiment classifier is the core of the text orientation classification, which is used to map the text to be classified to a sentiment class. It is not balance between learning and generalization ability in traditional SVM kernel functions, and parameter selection is not easy too. This paper improved the current text sentiment classification algorithm which using the traditional support vector machines. First, this paper constructed some multi-core functions. Second, PSO is used to to optimize the para...

关 键 词：改进的支持向量机 多核函数 参数自动寻优 文本倾向性分类 性能评估 

分 类 号：TP181[自动化与计算机技术—控制理论与控制工程]