改进的支持向量机中文文本分类

顾伟，傅德胜，蔡玮

改进的支持向量机中文文本分类

顾伟，傅德胜，蔡玮

支持向量机是数据挖掘的新方法，由于其优秀的学习能力而得到了广泛的应用，但是，传统的支持向量机算法在处理大规模问题时存在训练时间过长和内存空间需求过大的问题，而应用多个支持向量机构成多分类器系统进行并行学习，是目前解决文本分类中大规模数据处理问题的一种有效方法。在分析传统并行算法的基础上，提出了一种改进的基于多支持向量机的并行学习算法，实验结果表明，采用该算法可使得分类效率得到较大的程度的提高，虽然，分类精度相对传统的方法略差，但是，在可接受的范围之内。

多支持向量机；文本分类；并行算法

0 引言

文本分类又称文本自动分类，是指在给定的类别体系下，由计算机自动根据文本内容将其划归到某一个或者多个类别的过程，是搜索引擎、数字图书馆、信息检索和过滤、话题追踪与识别等领域的技术基础，有着广泛的应用前景，也是目前数据挖掘领域的一个研究热点与核心技术。目前常用的文本分类方法有最近邻（K-Nearest Neighbor，KNN）法、人工神经网络（Artificial Neural Networks，ANN）法、朴素贝叶斯分类法（Naive Bayesian classifier, NB）和支持向量机（Support Vector Machines, SVMs）法等等。其中支持向量机（SVMs）是由Vapnik等人基于统计学习理论和结构风险最小原理的提出的一种机器学习方法[1]，由于该方法具有完备的理论基础、出色的学习性能和较强的泛化能力，并且在解决小样本、非线性和高维空间问题中的具有一定的优势，使得支持向量机得到了广泛的关注，并被成功地应用于文本分类、模式识别等领域。……