基于SVM的文本多选择分类系统的设计与实现

摘要：

随着互联网的普及,人类获取特定信息需求的增加,如何快速获取特定类别信息是当前搜索引擎,门户网站等必须解决的问题.当前网页分类的任务都由机器学习的文本分类算法完成,但传统的机器学习分类方法基本没有考虑文本数据特征,提供无差别的分类服务.该系统充分考虑网页文本数据的特征,以文本标题为突破口实现快速分类以及依据SVM的普通分类.快速分类依据文本标题通过分词模型训练快速对应到分类标签上,完成快速分类.如果快速分类不成功则将文本内容通过结巴分词器分词,word2vec进行分词向量的训练,再根据分类要求通过SVM进行分类,完成普通的分类.通过提供两种不同的服务来完成不同的需求.

关键词：机器学习、标题、快速分类、word2vec、SVM

所属期刊栏目：48

分类号：TP181(自动化基础理论)

在线出版日期：2020-05-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：147-152