基于知识融合的在线文本分类算法——语义SVM

摘要：

为使支持向量机(SVM)更加适用于在线文本分类应用,利用SVM在小训练样本集条件下仍有高泛化能力的特性,结合文本特征向量在特征空间中具有聚类性的特点,提出一种用语义中心集代替原训练样本集作为训练样本和支持向量的SVM:语义SVM.文中给出了语义中心集的生成步骤、语义SVM的在线学习算法框架,以及基于SMO算法的在线学习算法的实现.实验结果表明,相对于标准SVM,语义SVM及其在线学习算法不仅在线学习速度和分类速度有数量级提高,而且在分类准确率方面具有一定优势.

关键词： 文本分类 支持向量机 语义SVM

作者: 代六玲 李雪梅 黄河燕 陈肇雄

作者单位: 南京理工大学计算机科学系(江苏南京) 北京电子科技学院电子信息工程系(北京) 中国科学院计算机语言信息工程研究中心(北京)

会议类型: 国内会议

会议名称: 第二届全国搜索引擎和网上信息挖掘学术研讨会(SEWM2004)

会议地点: 广州

会议语种:中文

页码: 67-72

在线出版日期: 2004-11-12（万方平台首次上网日期，不代表论文的发表时间）