技術(shù)特征：

1.一種基于改進的SVM中文文本分類方法，其特征在于包括如下步驟：

步驟1，對中文文本預處理，得到特征項集合；

步驟2，對特征項集合進行特征選擇，得到精簡后的特征項集合；

步驟3，對精簡后的特征項集合計算權(quán)重；

步驟4，構(gòu)建文本向量，將文本中的每個關(guān)鍵詞語作為向量空間中的一個維度，而維度上的值是該關(guān)鍵詞語的權(quán)重；

步驟5，采用加權(quán)支持向量機構(gòu)建分類器；

步驟6，對待分類文本采用步驟1-4進行處理，得到文本向量，將文本向量輸入步驟5構(gòu)建的分類器，得到分類結(jié)果。

2.如權(quán)利要求1所述的一種基于改進的SVM中文文本分類方法，其特征在于：所述步驟1中，對中文文本預處理包括中文分詞和去停用詞兩個過程。

3.如權(quán)利要求1所述的一種基于改進的SVM中文文本分類方法，其特征在于：所述步驟2的具體內(nèi)容是：構(gòu)造一個評估函數(shù)對特征項集合中的所有特征項進行評估，然后按照評估值降序排序，根據(jù)設(shè)定的閾值或特征項數(shù)目的要求選擇前面的那些特征項，得到精簡后的特征項集合。

4.如權(quán)利要求3所述的一種基于改進的SVM中文文本分類方法，其特征在于：所述評估函數(shù)采用開方檢驗函數(shù)，假設(shè)特征項t和類別C_i之間符合一階自由度的x²分布，其計算公式如下：

$x^2(t,C_i)=\frac{N{(AD-BC)}^2}{(A+C)(B+D)(A+B)(C+D)}$

其中，N為所有的文本數(shù)，A為包含特征項t且屬于類別C_i的文本數(shù)目，B為包含特征項t且不屬于類別C_i的文本數(shù)目，C為不包含特征項t且屬于類別C_i的文本數(shù)目，D為不包含特征項t且不屬于類別C_i的文本數(shù)目；

然后，將每個特征項t的x²統(tǒng)計值從大到小排個序，選取前若干個作為精簡后的特征項集合。

5.如權(quán)利要求1所述的一種基于改進的SVM中文文本分類方法，其特征在于：所述步驟3中，采用反比文檔頻率進行權(quán)重計算，權(quán)重IDF的計算公式是：

IDF＝log(D_all/D_t)

其中，D_all為文章總數(shù)，D_t為該詞出現(xiàn)的文章數(shù)量。

6.如權(quán)利要求1所述的一種基于改進的SVM中文文本分類方法，其特征在于：所述步驟5的詳細內(nèi)容是：

設(shè)有訓練樣本集表示為其中，i＝1,2,…,m，y_i∈{0,1,2,3,4,5,6,7,8,9}，表示第i個文本的向量，y_i為分類標記；基于加權(quán)支持向量機的文本分類模型表示如下：

$\begin{array}{cc}\min & \frac{1}{2}\left|\right|\stackrel{\‾}{W}|{|}^2+C\mathrm{\σ}\underset{i=1}{\overset{l}{\Σ}}{S}_i{\mathrm{\ζ}}_i\end{array}$

$\begin{array}{cc}s.t.& y_i\left({\stackrel{\‾}{W}}^T\mathrm{\Φ}\right({\stackrel{\‾}{x}}_i)+b)\≥1-{\mathrm{\ζ}}_i\end{array}$

其中，ζ_i≥0，i＝1,2,…,l，l表示樣本個數(shù)，為核函數(shù)；S_i＞0表示樣本重要性權(quán)值，如果0＜S_i＜1表示樣本不重要；S_i＝1表示一般重要；如果S_i＞1表示很重要；樣本類別權(quán)值為σ≥1，屬于相同類別的樣本具有相同的類別權(quán)值；

對權(quán)重IDF值的計算公式構(gòu)造拉格朗日函數(shù)如下：

$\mathrm{\Φ}(\stackrel{\→}{w},b,a)=\frac{1}{2}\left|\right|\stackrel{\→}{w}|{|}^2+C\mathrm{\σ}\underset{i=1}{\overset{l}{\Σ}}{s}_i{\mathrm{\ξ}}_i-\underset{i=1}{\overset{l}{\Σ}}{\mathrm{\α}}_i\left(y_i\right({\stackrel{\→}{w}}^T\mathrm{\Φ}\left({\stackrel{\→}{x}}_i\right)+b)-1+{\mathrm{\ξ}}_i)-\underset{i=1}{\overset{l}{\Σ}}{\mathrm{\β}}_i{\mathrm{\ξ}}_i$

其中，α_i，β_i為拉格朗日乘子，i＝1,2,…,l；

最終得到最優(yōu)分類器：

$f\left({\stackrel{\→}{x}}_j\right)=sgn\left(\underset{i=1}{\overset{l}{\Σ}}{y}_i{a}_i^{*}K\right({\stackrel{\→}{x}}_i,{\stackrel{\→}{x}}_j)+b^{*})$

其中，為徑向基核函數(shù)。