基于混合CRFs&SVM应用于文本信息分类

作者：胡改蝶; 马建芬

来源：石家庄铁道大学学报(自然科学版), 2020, 33(04): 75-79.

DOI：10.13319/j.cnki.sjztddxxbzrb.20190092

• 文本信息
• 分类
• 条件随机场
• 支持向量机
• 查全率
• 查准率

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。

• 单位
  太原工业学院; 太原理工大学