基于集成svm的文本分类方法研究

《基于集成svm的文本分类方法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号学校代码10487学号M201176112密级硕士学位论文基于集成SVM的文本分类方法研究学位申请人：游攀利学科专业：软件工程指导教师：薛志东副教授答辩日期：2014.1.7万方数据AThesisSubmittedinPartialFulfillmentoftheRequirementsfortheDegreefortheMasterofEngineeringResearchonChineseTextCategorizationBasedontheIntegratedSupportVectorMachineMethodCandidateMa

2、jorSupervisor:YouPanli:SoftwareEngineering:Assoc.Prof.XueZhidongHuazhongUniversityofScienceandTechnologyWuhan430074,P.R.ChinaJanuary,2014万方数据独创性声明本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除文中已经标明引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写过的研究成果。对本文的研究做出贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律结

3、果由本人承担。学位论文作者签名：日期：年月日学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定，即：学校有权保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权华中科技大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。保密□，本论文属于不保密□。（请在以上方框内打“√”）学位论文作者签名：在年解密后适用本授权书。指导教师签名：日期：年月日日期：年月日万方数据华中科技大学硕士学位论文摘要伴随着计算机网络和信

4、息技术的高速发展，各行各业所收集积累的数据规模越来越可观，信息的海量式增长使得人们难以迅速找到自己需要的数据。文本分类不但解决了用户寻找他们感兴趣的数据的需求，同时也使得网络信息从杂乱变得有序。因此，文本分类受到领域专家和学者们的高度重视。文本分类指的是，给定一个分类问题，根据文本的内容自动地关联到相应的主题类别。支持向量机是其中一种优秀的文本分类算法。可以通过组合多个支持向量机分类器的集成学习方式来提高分类性能。主要研究工作如下：（1）讨论了中文文本分类的整个过程，涉及文本分词，去停用词，文本表示，权重计算，特征降维，常见的分类算法朴素贝叶斯、K

5、最近邻和支持向量机的基础理论以及文本分类器性能的评价方法。（2）对支持向量机和集成学习的理论基础进行了系统的研究，并介绍了两种经典的集成学习算法Bagging和Boosting。（3）将支持向量机同其他常用的分类算法做了对比，并对比研究了采用不同核函数的支持向量机的表现和基于支持向量机的Bagging和Boosting算法。最后提出了一种基于采用不同核函数的SVM-Bagging的组合投票算法，该算法能显著提高分类准确率。关键词：中文文本分类特征降维支持向量机集成学习I万方数据华中科技大学硕士学位论文AbstractWiththerapidd

6、evelopmentcomputernetworksandinformationtechnology,thedatascaleisbecomingmoreandmoreconsiderableineverywalkoflife,massivegrowthofinformationmakesitdifficultforpeopletofindwhattheyneed.Textclassificationtechnologynotonlyhelppeoplefindwhattheyneedquickly,butalsobringingchaostoor

7、deronnetwork.therefore,expertsandscholarsofnaturallanguageprocessingandcomputerattachesgreatimportancetotextclassification.Themaintaskoftextclassificationisclassifythetexttoacategoryaccordingthetextcontentautomatically.NaiveBayes,SVMandKnearestneighborclassificationareallcommo

8、ntextclassificationalgorithm,supportvectormachineclassificati