计算机科学
計算機科學
계산궤과학
COMPUTER SCIENCE
2006年
11期
182-184
,共3页
支持向量机%增量学习%分类%关键词学习
支持嚮量機%增量學習%分類%關鍵詞學習
지지향량궤%증량학습%분류%관건사학습
文本分类中分类方法与关键词是两个重要的因素,支持向量机作为一种良好的分类方法,在文本分类中表现出很好的性能.本文以支持向量机为基础,重点研究其分类过程中关键词的学习问题,在其增量分类中,同步进行关键词的增量学习调整,实验结果表明,该方法可以更好地提高文本分类的分类性能.
文本分類中分類方法與關鍵詞是兩箇重要的因素,支持嚮量機作為一種良好的分類方法,在文本分類中錶現齣很好的性能.本文以支持嚮量機為基礎,重點研究其分類過程中關鍵詞的學習問題,在其增量分類中,同步進行關鍵詞的增量學習調整,實驗結果錶明,該方法可以更好地提高文本分類的分類性能.
문본분류중분류방법여관건사시량개중요적인소,지지향량궤작위일충량호적분류방법,재문본분류중표현출흔호적성능.본문이지지향량궤위기출,중점연구기분류과정중관건사적학습문제,재기증량분류중,동보진행관건사적증량학습조정,실험결과표명,해방법가이경호지제고문본분류적분류성능.
