基于支持向量机的Web文本分类方法
Web文本分类技术是数据挖掘中一个研究热点领域,而支持向量机又是一种高效的分类识别方法,在解决高维模式识别问题中表现出许多特有的优势.文章通过分析Web文本的特点,研究了向量空间模型(VSM)的分类方法和核函数的选取,在此基础上结合决策树方法提出了一种基于决策树支持向量机的Web文本分类模型,并给出具体的算法.通过实验测试表明,该方法训练数据规模大大减少,训练效率较高,同时具有较好的精确率(90.11％)和召回率(89.38％).
支持向量机 特征提取 Web文本 文本分类
牛强 王志晓 陈岱 夏士雄
中国矿业大学计算机科学与技术学院,江苏,徐州,221008
国内会议
西安
中文
102-104
2006-10-19（万方平台首次上网日期，不代表论文的发表时间）