支持向量机及其在自然语言处理中的应用

被引：3

作者：

宇缨

机构：

[1] 东莞理工学院软件学院

来源：

东莞理工学院学报 | 2007年 / 01期

关键词：

统计学习理论; 结构风险最小化; 支持向量机; 分类; 自然语言处理;

D O I：

10.16002/j.cnki.10090312.2007.01.013

中图分类号：

TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

支持向量机是一种基于统计学习理论的新型机器学习方法,因其独特的优势和出色的学习性能,显现出广泛的应用前景和重要的研究价值．较为系统地介绍了统计学习理论和支持向量机的概貌,以及目前支持向量机方法研究的现状,并重点介绍了支持向量机在以汉语专有名词自动识别为例的自然语言处理领域的应用．

引用

页码：54 / 62

页数：9

共 6 条

[1] 一种基于SVM／RS的中文机构名称自动识别方法 [J].

宇缨 ;

王晓龙 ;

刘秉权 .

电子与信息学报, 2006, (05) :895-900

[2] 基于支持向量机的渐进直推式分类学习算法 [J].

陈毅松 ;

汪国平 ;

董士海 .

软件学报, 2003, (03) :451-460

[3] SVM-KNN分类器——一种提高SVM分类精度的新方法 [J].

李蓉 ;

叶世伟 ;

史忠植 .

电子学报, 2002, (05) :745-748

[4] A meta-learning method to select the kernel width in Support Vector Regression [J].

Soares, C ;

Brazdil, PB ;

Kuba, P .

MACHINE LEARNING, 2004, 54 (03) :195-209

[5] Gene Selection for Cancer Classification using Support Vector Machines [J].

Isabelle Guyon ;

Jason Weston ;

Stephen Barnhill ;

Vladimir Vapnik .

Machine Learning, 2002, 46 :389-422

[6] SUPPORT-VECTOR NETWORKS [J].

CORTES, C ;

VAPNIK, V .

MACHINE LEARNING, 1995, 20 (03) :273-297

← 1 →