| 基于混合CRFs&SVM应用于文本信息分类 |
|
| |
| 中文关键词:文本信息 分类 条件随机场 支持向量机 查全率 查准率 |
| 英文关键词: |
| 基金项目: |
|
| 摘要点击次数: 1160 |
| 全文下载次数: 1474 |
| 中文摘要: |
| 为了对文本信息进行更加有效分类,研究文本信息的一种新型分类。在了解文本信息分类和讨论条件随机场（CRFs）和支持向量机（SVM）的基础上,结合CRFs对上下文依赖性的优点以及SVM对高维问题的特殊解决方法,分析了二者结合的方法,并将其中一种结合方法应用到文本信息分类中。通过实验对此方法进行了验证。实验结果表明:CRFs&SVM方法的查全率、查准率以及F1-测量的各平均值比SVM方法都有所提高,具有良好分类性能和更加准确的分类率。进一步证明CRFs&SVM方法适用于文本信息分类,具有良好的应用前景。 |
| 英文摘要: |
| |
| 胡改蝶；马建芬.基于混合CRFs&SVM应用于文本信息分类[J].石家庄铁道大学学报(自然科学版),2020,33(4):75-79. |
| 查看全文 下载PDF阅读器 |
|
| 关闭 |
|
|
|
|
|