基于模糊集和支持向量机的文本流派分类方法

计算机工程与应用 ›› 2008, Vol. 44 ›› Issue (11): 145-147.

• 数据库、信号与信息处理 • 上一篇下一篇

基于模糊集和支持向量机的文本流派分类方法

朱艳辉¹,阳爱民²,杨伟丰¹

1.湖南工业大学计算机与通信学院，湖南株洲 412008
2.国防科学技术大学计算机学院，长沙 410073

收稿日期:2007-07-27 修回日期:2007-10-22 出版日期:2008-04-11 发布日期:2008-04-11
通讯作者: 朱艳辉

Text genre classification method based on fuzzy set and Support Vector Machine

ZHU Yan-hui¹,YANG Ai-min²,YANG Wei-feng¹

1.Institute of Computer & Communication，Hunan University of Technology，Zhuzhou，Hunan 412008，China
2.Institute of Computer，National University of Defense Technology，Changsha 410073，China

Received:2007-07-27 Revised:2007-10-22 Online:2008-04-11 Published:2008-04-11
Contact: ZHU Yan-hui

摘要/Abstract

摘要： 针对目前流派分类技术分类性能不够好的问题，将支持向量机和模糊集理论的优点结合起来，提出了一种基于模糊集和支持向量机的文本流派分类方法。并以电影评论作为数据集，比较和分析了该方法在不同文本特征生成方法、不同特征数目下的分类效果，并与SVM方法进行了比较，实验结果表明其微平均查准率要优于SVM方法。理论和实验都证明了提出的方法可以取得较好的分类性能。

关键词: 模糊理论, 支持向量机, 文本流派分类

Abstract: In terms of poor performance of current genre classifications，the paper proposes a text genre classification method based on fuzzy set and Support Vector Machine（SVM），which combines advantages of both SVM and fuzzy set theory.Experiments give comparative classifying effect under different text feature generation methods and different feature number using movie reviews as data.The author also compare our method with SVM.The comparative result indicates that its micro-average-precision is better than that of SVM.Our method is proved from theory and experiment that it gains a better classifying performance.

Key words: fuzzy theory, Support Vector Machine（SVM）, text genre classification

朱艳辉¹,阳爱民²,杨伟丰¹. 基于模糊集和支持向量机的文本流派分类方法[J]. 计算机工程与应用, 2008, 44(11): 145-147.

ZHU Yan-hui¹,YANG Ai-min²,YANG Wei-feng¹

. Text genre classification method based on fuzzy set and Support Vector Machine[J]. Computer Engineering and Applications, 2008, 44(11): 145-147.

[1]	高一锴，彭力，徐龙壮. 改进AFSA算法优化TWSVM的火焰识别方法[J]. 计算机工程与应用, 2021, 57(8): 204-213.
[2]	韩卫宇，程龙生. 结合马田系统-SVM的滚动轴承故障模式分类研究[J]. 计算机工程与应用, 2021, 57(6): 239-246.
[3]	雷恒林，古兰拜尔·吐尔洪，买日旦·吾守尔，张东梅. 新奇检测综述[J]. 计算机工程与应用, 2021, 57(5): 47-55.
[4]	温杰彬，杨文忠，马国祥，张志豪，李海磊. 基于Apex帧光流和卷积自编码器的微表情识别[J]. 计算机工程与应用, 2021, 57(4): 127-133.
[5]	李俊侠，张秦，郑桂妹. 超宽带雷达人体姿态识别综述[J]. 计算机工程与应用, 2021, 57(3): 14-23.
[6]	徐先峰，蔡路路，张丽. 融合MLP和DBN的光伏发电预测算法[J]. 计算机工程与应用, 2021, 57(3): 266-272.
[7]	陈富健，谢维信，夏婷. 基于LCT+的自适应抗遮挡目标跟踪算法[J]. 计算机工程与应用, 2021, 57(22): 190-198.
[8]	张敏，彭红伟，颜晓玲. 基于神经网络的模糊决策树改进算法[J]. 计算机工程与应用, 2021, 57(21): 174-179.
[9]	杨泉. N1+N2结构语法关系判定的SVM算法[J]. 计算机工程与应用, 2021, 57(20): 104-108.
[10]	高晋，赵云芃，Godfred Kim Mensah，李欣芸，刘志芬，陈俊杰，郭浩. 静息态功能脑连接的空间动态分析及分类研究[J]. 计算机工程与应用, 2021, 57(2): 150-155.
[11]	秦博宇，郝晓燕，刘永芳. 基于SVM和CRF双层模型的FrameNet框架消歧[J]. 计算机工程与应用, 2021, 57(18): 255-262.
[12]	郑淋文，周金治，黄静. 深度稀疏自编码器在ECG特征提取中的应用[J]. 计算机工程与应用, 2021, 57(11): 156-161.
[13]	温廷新，孔祥博. 不平衡样本下的金融市场极端风险预警研究[J]. 计算机工程与应用, 2020, 56(8): 256-260.
[14]	陈菲雨，岳文斌，饶颖露，邢金昊，马晓静. 基于改进TLD算法的无人机自主精准降落[J]. 计算机工程与应用, 2020, 56(7): 247-254.
[15]	马玲，罗晓曙，蒋品群. 基于模板匹配和支持向量机的点阵字符识别研究[J]. 计算机工程与应用, 2020, 56(4): 134-139.

基于模糊集和支持向量机的文本流派分类方法

Text genre classification method based on fuzzy set and Support Vector Machine

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics