基于LSI和SVM相结合的文本分类研究

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

摘要：传统的向量空间模型使用关键词来表示文本，但没有考虑关键词的一词多义和多词一义问题。为了解决该问题，提出了一种潜在语义索引和支持向量机相结合的文本分类方法，使用潜在语义索引方法获得原始特征向量的潜在语义结构。实验结果表明，该方法同单独使用支持向量机的方法相比，分类准确率有小幅度的下降，但特征向量获得了大幅度的降维。

原文链接:http://www.cqvip.com//QK/95033X/200723/26166742.html

送人玫瑰，手留余香~如您已下载到该资源，可在回帖当中上传与大家共享，欢迎来CDA社区交流学习。（仅供学术交流用。）

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：LSI 相结合 SVM 支持向量机 cqvip 潜在语义索引 奇异值分解 支持向量机 文本分类 机器学习