基于语义空间的支持向量机的文本过滤
传统的基于支持向量机的文本过滤,用向量空间模型来表示文本和用户模板,向量空间模型假设特征项之间是线性无关的,该假设引入了许多因具体用词变化不定而带来的词汇噪音信息,影响了基于支持向量机的文本过滤的过滤性能.提出基于语义空间的支持向量机的文本过滤,用语义来表示文本和用户模板.该方法主要通过奇异值分解提取文本的潜在语义空间,在语义空间上训练支持向量机得到用户模板和过滤阈值,文本流上的文本映射到语义空间上,在语义空间上计算用户模板和新文本的相似度.实验表明:该方法的过滤性能可以达到98.67%.
文本过滤、奇异值分解、支持向量机、语义空间
25
TP391.43(计算技术、计算机技术)
福建省科技攻关项目001J005
2005-03-31(万方平台首次上网日期,不代表论文的发表时间)
共2页
664-665