共查询到16条相似文献,搜索用时 78 毫秒
1.
基于SVM的企业竞争情报自动分类系统模型 总被引:1,自引:0,他引:1
针对企业竞争情报的自动分类问题,介绍了基于支持向量机(SVM)方法的自动分类技术的原理,探讨了该技术在企业竞争情报分类系统中的应用,并结合多Agent思想构建了基于支持向量机的企业竞争情报分类系统模型,重点研究了竞争情报的自动分类方法。 相似文献
2.
多分类SVM在企业竞争情报自动分类中的应用 总被引:2,自引:0,他引:2
介绍了基于多分类SVM的自动分类技术,将该技术应用于企业竞争情报的自动分类中,实验结果表明了该方法能够提高分类准确率,从而满足企业竞争情报分类处理的时效性和实用化要求. 相似文献
3.
为了提高文本分类的准确性和效率,提出了一种基于潜在语义分析和超球支持向量机的文本分类模型.针对SVM对大规模文本分类时收敛速度较慢这一缺点,本文将超球支持向量机应用于文本分类,采用基于增量学习的超球支持向量机分类学习算法进行训练和分类.实验结果表明,超球支持向量机是一种解决SVM问题的有效方法,在文本分类应用中具有与SVM相当的精度,但是明显降低了模型复杂度和训练时间. 相似文献
4.
5.
主要研究了文本分类精度问题。介绍了文本分类的基本过程,提出了一种改进的支持向量机文本分类技术,设计并实现了一个开放的中文文档自动分类系统。实验结果表明,提出的方法不仅具有较高的训练效率,同时也能得到很高的分类准确率和查全率。 相似文献
6.
基于改进的SVM文本分类建模 总被引:1,自引:0,他引:1
SVM是一种新的分类工具,可是其核函数在数学上必须满足Mercer条件,使得具有良好全局分类性能的Sigmoid函数在SVM中应用受到限制。本文将Sigmoid核函数与云模型相结合,提出一种简单的核函数的实现方法。此方法不仅提高了SVM文本分类能力,而且明显地减少了平均的CPU执行时间。 相似文献
7.
文本分类是中文信息处理的热点研究内容,而语义是文本类别归属的依据。提出一种基于语义引导的特征选择方法,在特征选择的同时,对典型类别区分词进行加权,提高该类词在分类中的作用;采用支持向量机技术进行试验,实验表明建立语义知识库的特征选择改善了文本的分类性能。 相似文献
8.
针对现今的信息资源整合技术无法有效地解决不同数据源之间的语义异构问题和传统的竞争情报分析技术无法获取高质量的深层情报知识,构建了基于本体的竞争情报语义整合与分析模型。该模型利用本体理论与方法对网络异构信息进行有机整合,解决信息孤岛和语义异构问题;并在此基础上实现语义层面的竞争情报自动分析和智能分析,有利于提高情报分析的准确率和效率。 相似文献
9.
10.
11.
12.
基于语义挖掘的智能竞争情报系统研究 总被引:2,自引:0,他引:2
语义挖掘是一种从非结构化数据中准确地提取有用信息和知识的新兴数据挖掘技术。利用语义挖掘对这些非结构化数据和信息进行智能采集、分析和处理,可以帮助企业快速建立起经济有效的竞争情报流程。本文融合语义挖掘的相关技术来探索竞争情报的智能采集与分析原理,构建了一个基于语义数据挖掘的企业智能竞争情报系统。 相似文献
13.
14.
15.