基于于半監(jiān)督SVM主動學習的文本分類算法研究.pdf

1、隨著信息技術(shù)的不斷發(fā)展，世界已逐漸變成一個信息的海洋，人們被信息浪潮所淹沒，如何實現(xiàn)大量信息的自動分類，并且從這些信息中自動分類出有用的信息是一個重要的研究領(lǐng)域。文本作為信息的主要載體，對文本分類算法進行研究意義重大，而主動學習的引入又進一步改善了文本分類算法的性能。支持向量機(SupportVectorMachine，SVM)主動學習方法已被廣泛應(yīng)用在文本分類技術(shù)當中，但是一般的SVM主動學習方法面臨兩個問題:一是標記樣本稀缺;二是待

2、標記樣本存在大量冗余。
　　本文對文本分類中SVM主動學習方法做了詳細的研究，為了應(yīng)對上述存在的問題，在已有的應(yīng)用在分類問題當中的SVM主動學習方法的基礎(chǔ)上，對SVM主動學習方法進行了改進，提出了一種新的半監(jiān)督支持向量機主動學習(SS-SVM-AL)算法。具體內(nèi)容如下:
　　(1)首先介紹了課題的研究背景和在國內(nèi)外的研究現(xiàn)狀與發(fā)展現(xiàn)狀，文本分類的相關(guān)理論和技術(shù);支持向量機和主動學習的理論的基本思想和實現(xiàn)技術(shù);研究了傳統(tǒng)SVM

3、主動學習和半監(jiān)督學習的理論知識和經(jīng)典方法。
　　(2)針對存在的標記樣本稀缺的問題，運用半監(jiān)督的思想對其進行了改進，充分利用所有未標記樣本信息包含的空間結(jié)構(gòu)信息，混合標記樣本集和未標記樣本集構(gòu)造訓練集，克服了單純用標記樣本來訓練分類模型樣本數(shù)據(jù)集幾何特性不充分的缺點，構(gòu)造出一個半監(jiān)督核函數(shù)，從而得到泛化能力更強的半監(jiān)督支持向量機。
　　(3)針對存在的樣本冗余問題，設(shè)計了一個基于最大-最小框架的主動學習方法，能夠從未知樣本集