基于SVM的维吾尔文文本分类研究

J4 ›› 2012, Vol. 34 ›› Issue (12): 150-154.

基于SVM的维吾尔文文本分类研究

阿力木江·艾沙1,2，吐尔根·依布拉音2，库尔班·吾布力2，艾山·吾买尔2

（1.新疆大学现代教育技术中心，新疆乌鲁木齐 830046；
2.新疆大学信息科学与工程学院,新疆乌鲁木齐 830046)

收稿日期:2011-12-30 修回日期:2012-03-05 出版日期:2012-12-25 发布日期:2012-12-25
基金资助:
国家自然科学基金资助项目( 61063026，61163028)

Research of Uyghur Language Text Categorization Based on SVM

Alimjan AYSA1,2，Turgun IBRAHIM2，Kurban OBUL2，Hasan OMAR2

（1.Center of Modern Education Technology,Xinjiang University,Urumqi 830046；
2.College of Information Science and Engineering,Xinjiang University,Urumqi 830046,China）

Received:2011-12-30 Revised:2012-03-05 Online:2012-12-25 Published:2012-12-25

摘要/Abstract

摘要：

文本自动分类技术在提高文本信息利用的有效性和准确性上具有重要的现实意义和广阔的应用前景。随着Internet上维吾尔文信息的迅速发展，维吾尔文文本分类成为处理和组织这些大量文本数据的关键技术。研究维吾尔文文本分类相关技术和方法，针对维吾尔文文本在向量空间模型表示下的高维性，本文采用词干提取和χ2统计量相结合的方法对表示空间进行降维。采用SVM算法构造了维吾尔文文本分类器。针对维吾尔文文本分类语料进行的实验结果表明，SVM分类器的MacroF1值达到了84.6%，明显好于kNN方法。

关键词: 文本分类, SVM, kNN, 维吾尔语Key

Abstract:

The automatic text categorization technique has important practical significance and broad application prospect in improving the validity and accuracy of the use of text information.With the rapid increase of Uyghur language text information on the Internet,Uyghur language text categorization has become a key technique of processing and organizing these text data.As to the high dimensionality of Uyghur language text under vector space model representation,the stemming technique is used along with χ2 to reduce the dimensionality.Uyghur language text categorizer is constructed based on SVM.The experimental results based on Uyghur language text corpus show that the MacroF1 value of SVM categorizer can reach 84.6% and outperform the kNN approach.

Key words: text categorization;SVM;kNN;uyghur language

阿力木江·艾沙1,2，吐尔根·依布拉音2，库尔班·吾布力2，艾山·吾买尔2. 基于SVM的维吾尔文文本分类研究[J]. J4, 2012, 34(12): 150-154.

Alimjan AYSA1,2，Turgun IBRAHIM2，Kurban OBUL2，Hasan OMAR2. Research of Uyghur Language Text Categorization Based on SVM[J]. J4, 2012, 34(12): 150-154.

[1]	肖新正, 黄瑞章, 陈艳平, 秦永彬, 宋玉梅, 周裕林, . Corrective-Net：面向多标签文本分类的标签关联学习模块[J]. 计算机工程与科学, 2024, 46(06): 1092-1100.
[2]	高珊, 李世杰, 蔡志平. 基于深度学习的中文文本分类综述[J]. 计算机工程与科学, 2024, 46(04): 684-692.
[3]	杨春霞, 马文文, 徐奔, 韩煜, . 融合标签信息的分层图注意力网络文本分类模型[J]. 计算机工程与科学, 2023, 45(11): 2018-2026.
[4]	许浪, 李代伟, 张海清, 唐聃, 何磊, 于曦. 基于神经网络的医疗文本分类研究[J]. 计算机工程与科学, 2023, 45(06): 1116-1122.
[5]	梅侠峰, 吴晓鸰, 黄泽民, 凌捷. 融合RoBERTa的多尺度语义协同专利文本分类模型[J]. 计算机工程与科学, 2023, 45(05): 903-910.
[6]	韩辉, 麦合甫热提, 吾尔尼沙·买买提, 朱亚俐, 库尔班·吾布力, . 基于Gist和IPCA算法的多文种离线手写签名识别[J]. 计算机工程与科学, 2022, 44(11): 2048-2055.
[7]	孙宝贵, 车文刚, 廖江福, . 一种改进的KNN案例推理检索算法[J]. 计算机工程与科学, 2021, 43(12): 2263-2271.
[8]	文武, 万玉辉, 张许红, 文志云, . 基于改进CHI和PCA的文本特征选择[J]. 计算机工程与科学, 2021, 43(09): 1645-1652.
[9]	张丽, 马静. 融合词语统计特征和语义信息的文本分类方法研究[J]. 计算机工程与科学, 2021, 43(07): 1308-1315.
[10]	徐周波, 李萍, 刘华东, 李珍. 基于图嵌入与拓扑结构信息的蛋白质复合物识别算法[J]. 计算机工程与科学, 2021, 43(06): 1052-1059.
[11]	李晓红, 王闪闪, 马堉银, 马慧芳. 融合相似度图和随机游走模型的多标签短文本分类算法[J]. 计算机工程与科学, 2021, 43(06): 1081-1087.
[12]	党小超, 汝春瑞, 郝占军, . 基于CSI与SVM回归的室内定位方法[J]. 计算机工程与科学, 2021, 43(05): 853-861.
[13]	杨岚雁, 靳敏, 张迎春, 张珣. 一种基于关联规则的MLKNN多标签分类算法[J]. 计算机工程与科学, 2020, 42(07): 1309-1317.
[14]	李校林, 王成, . 一种基于质心的多标签文本分类模型研究[J]. 计算机工程与科学, 2020, 42(06): 1120-1126.
[15]	葛晓伟, 李凯霞, 程铭. 基于CNN-SVM的护理不良事件文本分类研究[J]. 计算机工程与科学, 2020, 42(01): 161-166.