基于模糊支持向量机的多主题文本分类算法研究  

Study of Multi-subjects Text Classification Algorithm Based on Fuzzy Support Vector Machines

作　　者：秦玉平[1] 王秀坤[1] 艾青[1] 刘卫江[1] 

机构地区：[1]大连理工大学电子与信息工程学院,渤海大学信息科学与工程学院,东南大学计算机科学与技术学科博士后流动站,辽宁大连116024渤海大学信息科学与工程学院,辽宁锦州121000,辽宁大连116024,江苏南京210096

出　　处：《小型微型计算机系统》2008年第3期548-551,共4页Journal of Chinese Computer Systems

基　　金：国家基础研究重大项目“九七三”研究专项(2001CCA00700)资助;国家自然科学基金项目(90104031)资助

摘　　要：多主题是文本的一个自然属性,即一些文本不是确定的属于单一主题,而是多个主题.对于这种情况,标准SVM多分类算法不能解决.本文提出一种基于模糊支持向量机的多主题文本分类算法.用1-a-1方法训练子分类器,对于待分类样本,通过子分类器得到对应其隶属度矩阵,依据隶属度矩阵每行元素和判定该文本所属主题.实验结果表明,该算法具有较好的准确率、召回率和F1值.Multi-subjects are a natural attribute of text, that is to say, some texts don＇t belong to single-class but multi-class. The case can not be solved by standard SVM multl-class classification algorithm. This paper proposes a multi-subjects text categorization algorithm based on fuzzy support vector machines. Firstly ＂1-a-1＂ method is used to train sub-classifiers. For the sample to be classified, sub-classifiers are used to obtain membership matrix, and then according to the sum of every line of membership matrix, confirms the subjects that the sample belongs to. The experimental results show that the algorithm has higher performance on recall, precision, and F1.

关 键 词：支持向量机 隶属度矩阵 召回率 准确率 F1值 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程]