基于SVM的藏文文本分類技術(shù)研究.pdf

1、當(dāng)今信息時代，互聯(lián)網(wǎng)信息技術(shù)高速發(fā)展，各類信息不僅滿足了人們的日常生活，也在影響著整個社會的平穩(wěn)健康發(fā)展。藏語作為中國少數(shù)民族中使用最多的語言之一，在藏族集中地區(qū)研究藏文信息處理顯得尤為重要。目前，藏文信息處理技術(shù)正在日趨完善和成熟，但相對于中文信息處理技術(shù)，還存在著一定的差距，特別是在藏文文本自動分類方面。
　　研究藏文文本分類對于在民族地區(qū)的信息篩選、輿情監(jiān)測、數(shù)字圖書館建設(shè)等方面具有十分重要的意義。文本分類的方法主要有樸素貝

2、葉斯（Na?ve Bayesian）、基于支持向量機(jī)(Support Vector Machines,SVM)、K-最近鄰法(KNN)、神經(jīng)網(wǎng)絡(luò)法(Neural Network,NNet)、決策樹(Decision Tree)、Rocchio分類等。本人通過查閱大量文獻(xiàn)，發(fā)現(xiàn)目前深入研究藏文文本分類的方法相對較少，通常有樸素貝葉斯和K-最近鄰法，雖然都取得了一定的實(shí)驗(yàn)效果，但研究方法較為單一，不利于對藏文文本分類技術(shù)開展更加深入的研究。

3、本文在前人研究的基礎(chǔ)上采用基于支持向量機(jī)（SVM）的分類方法對藏文文本分類開展一定的研究和實(shí)驗(yàn)，并與樸素貝葉斯、K-最近鄰法進(jìn)行對比和分析。
　　支持向量機(jī)（Support Vector Machines，SVM）是近幾年發(fā)展起來的新型分類方法，是在高維特征空間使用線性函數(shù)進(jìn)行分類的系統(tǒng)，在分類方面具有良好的性能[1]。SVM最初應(yīng)用于線性二分類系統(tǒng)，通過尋找兩個類別的最優(yōu)超平面，對其進(jìn)行分類。在解決非線性問題時，通過某種非線性映

4、射將輸入變量映射到高維特征空間，在高維空間內(nèi)構(gòu)造最優(yōu)超平面。從低維向高維轉(zhuǎn)換，會出現(xiàn)高維空間計(jì)算困難的問題，容易造成“維度爆炸”災(zāi)難，為解決這一問題，相關(guān)學(xué)者適時引入了核函數(shù)。對于多分類問題，可通過“一對一”、“一對多”、決策樹等方法構(gòu)造多個SVM分類器來實(shí)現(xiàn)。
　　本文主要對藏文分詞、文本表示、特征選擇、分類方法等開展深入的研究，其中重點(diǎn)研究了特征提取和支持向量機(jī)的分類技術(shù)在藏文文本分類的應(yīng)用，并通過具體實(shí)驗(yàn)對比優(yōu)化，提出符合藏