基于多类软间隔支持向量机的文本分类问题研究

基于多类软间隔支持向量机的文本分类问题研究

论文摘要

文本分类技术是对文本进行有效管理的方法之一,是一项重要的智能信息处理技术,是文本检索技术的基础。文本分类对于提高信息检索的效率和效果很有帮助,良好的分类性能是人们关注的焦点。支持向量机是一种针对分类和回归问题的新型机器学习方法,具有良好的推广性和较好的分类精确性。正在成为继模式识别和神经元网络研究之后机器学习领域新的研究热点。基于支持向量机的文本分类算法,是近年来的一个研究方向。本文的主要研究的是把支持向量机和核函数思想应用到文本分类问题中去,论文首先探讨了文本分类的发展概况和相关技术,系统的研究了统计学习理论和支持向量机特别是核函数的相关理论,深入研究了它们在文本分类问题中的应用技术。本文所做的主要工作为:通过对支持向量机的深层分析,得出了支持向量机C-SVC的模型结构,并在此基础上定义了一个参数s,构建了一种新的软间隔支持向量机模型——s-SVM。根据核函数的理论,结合多项式核函数和径向基核函数的思想,提出了适合s-SVM模型的支持向量比例核函数及其选取策略。利用成对分类的思想解决了s-SVM的多类分类问题,给出了基于s-SVM模型的多类分类问题的详细算法。本文建立了一个文本分类系统,该系统的核心模块采用软间隔支持向量机模型C-SVC和s-SVM,使用Reuters-21578语料库对其进行测试,评价了这两种分类方法的性能,并与传统分类算法的性能进行比较,分析了其优缺点。

论文目录

  • 摘要
  • Abstract
  • 第1章 绪论
  • 1.1 论文研究的背景及意义
  • 1.2 国内外研究现状
  • 1.2.1 文本分类的研究现状
  • 1.2.2 支持向量机的研究现状
  • 1.3 本文研究内容及论文组织结构
  • 第2章 文本分类技术
  • 2.1 文本分类的基本概念
  • 2.2 文本的预处理
  • 2.3 向量空间模型
  • 2.4 特征选取
  • 2.5 主要的分类算法
  • 2.6 分类器的性能评估
  • 2.7 本章小结
  • 第3章 统计学习理论和支持向量机
  • 3.1 统计学习理论
  • 3.1.1 学习过程的一致性
  • 3.1.2 VC 维
  • 3.1.3 推广性的界
  • 3.1.4 结构风险最小化
  • 3.2 支持向量机
  • 3.2.1 广义最优分类面
  • 3.2.2 支持向量机模型结构
  • 3.2.3 核函数
  • 3.3 本章小结
  • 第4章 一种新的软间隔支持向量机模型S-SVM
  • 4.1 软间隔支持向量机C-SVC
  • 4.2 新的软间隔支持向量机S-SVM
  • 4.3 S-SVM 的核函数和参数选择问题
  • 4.4 S-SVM 模型的多类分类算法
  • 4.5 本章小结
  • 第5章 基于S-SVM 的多类分类系统的设计与实现
  • 5.1 多类分类系统设计
  • 5.1.1 语料库选择
  • 5.1.2 文本预处理
  • 5.1.3 文本向量化
  • 5.1.4 评估标准
  • 5.1.5 系统设计
  • 5.2 实验结果
  • 5.2.1 软间隔C-SVC 的性能评估
  • 5.2.2 支持向量比例s-SVM 的性能评估
  • 5.3 本章小节
  • 结论
  • 参考文献
  • 攻读硕士学位期间发表的学术论文
  • 致谢
  • 相关论文文献

    • [1].清華簡文本復原——以《清華大學藏戰國竹簡》第一、二輯為例[J]. 出土文献 2012(00)
    • [2].召唤、整合与摧毁:群体传播时代网络叙述的副文本[J]. 现代传播(中国传媒大学学报) 2019(11)
    • [3].古义、真义与大义:以诠释范式为中心看中国古代思想文本的意义生成[J]. 复旦学报(社会科学版) 2020(01)
    • [4].广义文本情感分析综述[J]. 计算机应用 2019(S2)
    • [5].非连续性文本教学要聚合与实用[J]. 语文建设 2020(03)
    • [6].论文本的物质性[J]. 山东社会科学 2020(01)
    • [7].基于深度学习的学术文本段落结构功能识别研究[J]. 情报科学 2020(03)
    • [8].Word2vec-CNN-Bilstm短文本情感分类[J]. 福建电脑 2020(01)
    • [9].文本的时空呈现——高校写作教学改革思考之二[J]. 写作 2020(01)
    • [10].语体视角下语篇副文本系统的配置及耦合互文路径差异[J]. 当代修辞学 2020(03)
    • [11].重审“作者已死”:论作为“伴随文本”的作者与作品[J]. 西南大学学报(社会科学版) 2020(03)
    • [12].影视作品及数字媒体文本-类文本共生叙事研究[J]. 西南民族大学学报(人文社科版) 2020(06)
    • [13].金融学文本大数据挖掘方法与研究进展[J]. 经济学动态 2020(04)
    • [14].基于深度学习的自然场景文本检测与识别综述[J]. 软件学报 2020(05)
    • [15].多文本融合下的深度翻译研究[J]. 中国科技翻译 2020(02)
    • [16].伊瑟尔“召唤结构”理论下文学文本审美潜能再创造[J]. 湖北第二师范学院学报 2020(04)
    • [17].全文本视角下文艺类图书出版的意义生成[J]. 出版科学 2020(03)
    • [18].《阿Q正传》译入译出文本的风格计量学对比[J]. 外语研究 2020(03)
    • [19].广义叙述学视域下电子游戏的三种文本初探——以《王者荣耀》为例[J]. 科技传播 2020(12)
    • [20].面向文本的结构——内容联合表示学习模型[J]. 计算机应用研究 2020(S1)
    • [21].明清教材“孝”文本的传播逻辑[J]. 出版广角 2020(15)
    • [22].新型主流媒体的文本互动研究[J]. 传播与版权 2020(07)
    • [23].试论伴随文本对特稿收受与解释的影响——基于《人物》对新冠肺炎疫情的相关报道[J]. 新闻研究导刊 2020(18)
    • [24].让语文课堂充满语文的味道[J]. 文学教育(上) 2019(02)
    • [25].教师培养政策的政策文本研究[J]. 现代经济信息 2019(18)
    • [26].浅析手机取证中的文本分类[J]. 科技与创新 2019(22)
    • [27].住建部、工商总局联合修订《建设工程施工合同(示范文本)》[J]. 建筑技术开发 2017(22)
    • [28].2013版建设工程施工合同(示范文本)已废止,10月1日已执行2017版[J]. 建筑设计管理 2017(12)
    • [29].高校官方微信公众号的文本传播解读[J]. 西部广播电视 2018(16)
    • [30].自然场景图像中的文本检测方法研究[J]. 重庆科技学院学报(自然科学版) 2016(06)

    标签:;  ;  ;  ;  ;  

    基于多类软间隔支持向量机的文本分类问题研究
    下载Doc文档

    猜你喜欢