多类支持向量机文本分类方法  

Research on Text Categorization Based on M-SVMs

作　　者：张苗[1] 张德贤[1] 

机构地区：[1]河南工业大学信息科学与工程学院,河南郑州450051

出　　处：《计算机技术与发展》2008年第3期139-141,156,共4页Computer Technology and Development

基　　金：河南省科技攻关项目(0324220024)

摘　　要：文本分类是数据挖掘的基础和核心,支持向量机(SVM)是解决文本分类问题的最好算法之一。传统的支持向量机是两类分类问题,如何有效地将其推广到多类分类问题仍是一项有待研究的课题。介绍了支持向量机的基本原理,对现有主要的多类支持向量机文本分类算法进行了讨论和比较。提出了多类支持向量机文本分类中存在的问题和今后的发展。Text categorization is the basis end core of textual data mining end SVM is one of the best solutions to this question. How to effectively extend support vector machines （SVM） for multi- category classification is still an on-going research issue. Presents a general overview of existing representative methods for multi- category support vector machines andsysternatically commpares them. Lastly, it presents some existing problems and future developments in text categorization field,

关 键 词：文本分类 机器学习 支持向量机 多类支持向量机 

分 类 号：TP311[自动化与计算机技术—计算机软件与理论]