支持向量機理論在文本分類中的應用研究.pdf

1、面對浩如煙海的電子信息，如何幫助人們有效地收集和選擇感興趣的信息，如何幫助用戶在日益增多的信息中發(fā)現(xiàn)潛在有用的知識已成為信息技術領域的熱點問題。數(shù)據(jù)挖掘就是為解決這一問題而產(chǎn)生的領域。由于現(xiàn)實生活中絕大部分信息資源是以非結構化數(shù)據(jù)的形式存在，而數(shù)據(jù)挖掘則普遍以結構化數(shù)據(jù)如關系數(shù)據(jù)庫中的數(shù)據(jù)為對象，因此對于非結構化信息進行挖掘成為繼數(shù)據(jù)挖掘之后的又一課題。 在常見的非結構化文本數(shù)據(jù)如文本、圖像、視頻中，文本數(shù)據(jù)是應用最為廣泛的一種

2、形式，常用于數(shù)字圖書館、新聞組、組織及個人主頁。隨著Internet的迅猛發(fā)展和日益普及，電子文本信息迅速膨脹，如何有效地組織和管理這些信息，并快速、準確、全面地從中找到用戶所需要的信息是當前信息科學和技術領域面臨的一大挑戰(zhàn)。文本分類作為處理和組織大量文本數(shù)據(jù)的關鍵技術，可以在較大程度上解決信息雜亂現(xiàn)象的問題。 針對上面提到的問題，本文的主要工作有以下三個方面： 首先，分析了數(shù)據(jù)挖掘的基本概念和方法，重點是數(shù)據(jù)挖掘中文本

3、分類的具體過程和相關理論。在特征選取技術中對互信息的方法做出了改進。 其次，認真研究了支持向量機算法的基本原理。并且就支持向量機的訓練算法、分類方法、多類別算法等熱點問題分別加以討論。闡述了支持向量機研究和應用現(xiàn)狀，以及所面臨的問題。 第三，對支持向量機理論在文本分類中的應用技術做出了改進。針對傳統(tǒng)SVM無法適應文本數(shù)據(jù)庫隨時間不斷更新的問題，通過對新增文本集的KKT條件的分析，深入研究了加入新增文本集后支持向量集的變化