计算机应用研究

作者：王杨,许闪闪,李昌,艾世成,张卫东,甄磊,孟丹,

单位：安徽师范大学计算机与信息学院,安徽芜湖241000；

关键词：支持向量机,jieba分词,极短文本分类,TF-IDF,

基金：国家自然科学基金资助项目(61871412)；安徽省自然科学基金资助项目(1808085MF178)；安徽省人文社科基金资助项目(SK2014ZD033,AHSKY2017D42)；；

为了有效提取极短文本中的关键特征信息，提出了一种基于支持向量机的极短文本分类模型。首先对原数据进行数据清洗并利用jieba分词将清洗过的数据进行处理；再将处理后的数据存入数据库，通过TF-IDF进行文本特征的提取；同时，利用支持向量机对极短文本进行分类。经过1-0检验，验证了模型的有效性。实验以芜湖市社管平台中的9 906条极短文本数据作为样本进行算法检验与分析。结果表明在分类准确率方面，该方法相比于朴素贝叶斯、逻辑回归、决策树等传统方法得到有效提高；在误分度与精确度指标上匹配结果更加均衡。

来源：2020年第2期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2020年第2期