基于SVM和KNN的文本分类研究  

Research on Text Classification Based on SVM and KNN

作　　者：张华鑫[1] 庞建刚[1] 

机构地区：[1]西南科技大学经济管理学院,四川绵阳621000

出　　处：《现代情报》2015年第5期73-77,共5页Journal of Modern Information

基　　金：四川省社科基金项目"产业技术创新战略联盟知识共享机制研究"(批准号:SC13E012);四川省教育厅项目"众包式网络社区大众协同创新项目"(批准号:12SB0258)研究成果之一

摘　　要：本文在详细介绍文本自动分类流程的基础上,通过实验对SVM和KNN两种算法进行比较研究,实验结果表明:SVM算法使用多项式核函数的分类准确性高于使用径向基核函数的分类准确性,且多项式核函数的分类准确性随着参数q的增大而提高;SVM采用多项式核函数进行分类的准确性普遍高于采用KNN的分类准确性;采用多项式核函数的SVM和KNN两种算法对短文本的召回率高于对长文本的召回率。This paper made a comparison between SVM and KNN on text classification after illustrating the procedures in text classification. The experimental results showed that the accuracy of SVM by using Polynomial kernel function is higher than that by using Radial Basis function, besides, the accuracy of the former increases when the parameter q gets bigger; the accuracy of SVM by using Polynomial kernel function is generally higher than that by using KNN; the accuracy of SVM and KNN both have higher recall of short text than long text.

关 键 词：文本分类 KNN 支持向量机 核函数 

分 类 号：TP301.6[自动化与计算机技术—计算机系统结构]