多类支持向量机文本分类方法

被引：46

作者：

张苗

张德贤

机构：

[1] 河南工业大学信息科学与工程学院

来源：

计算机技术与发展 | 2008年 / 03期

关键词：

文本分类; 机器学习; 支持向量机; 多类支持向量机;

D O I：

暂无

中图分类号：

TP18 [人工智能理论]; TP391.1 [文字信息处理];

学科分类号：

120506 [数字人文]; 140502 [人工智能];

摘要：

文本分类是数据挖掘的基础和核心,支持向量机(SVM)是解决文本分类问题的最好算法之一。传统的支持向量机是两类分类问题,如何有效地将其推广到多类分类问题仍是一项有待研究的课题。介绍了支持向量机的基本原理,对现有主要的多类支持向量机文本分类算法进行了讨论和比较。提出了多类支持向量机文本分类中存在的问题和今后的发展。

引用

页码：139 / 141+156 +156

页数：4