KNN和SVM并行结合的算法

摘要：

现在社会快速地跨入网络时代，由于网络信息量太大，与一个话题相关的信息往往孤立地出现在许多不同的地方，甚至出现在不同的时间.根据话题跟踪的定义和特点,分析了K最近邻(KNN)算法和支持向量机(SVM)算法的优缺点,发现它们的优缺点具有互补的可能性,提出了KNN和SVM并行结合的算法作为话题跟踪算法,设计了话题跟踪实验,实验结果证明了新算法作为话题跟踪算法,考虑了话题跟踪的特点,利用了KNN算法和SVM算法的理论优势而避免了理论的缺陷,处理话题跟踪问题时具有很好的话题跟踪效果。

关键词： 网络信息 话题跟踪 支持向量机 K最邻近算法 并行算法

作者: 李胜东 吕学强 施水才 石俊涛

作者单位: 廊坊燕京职业技术学院计算机工程系,廊坊河北065200 北京信息科技大学网络文化与数字传播北京市重点实验室,北京100101

会议类型: 国内会议

会议名称: 湖北省计算机学会2013年学术年会

会议地点: 武汉

会议语种:中文

页码: 113-116

在线出版日期: 2013-11-01（万方平台首次上网日期，不代表论文的发表时间）