基于改进KPCA与SVM的题名分类研究

摘要：

为了进一步提高期刊论文题名信息分类查准率和查全率,提出一种基于改进KPCA与SVM的知网题名信息分类算法.基于中国知网数据库选取《中文核心期刊要目总览》(2014年版)2017年度31种计算机学科(TP)期刊收录的13401篇论文题名作为实验语料库,采用改进KPCA算法对数据进行降维和特征提取,将提取的特征数据库作为SVM的输入进行训练和分类.实验结果表明,该方法较以往分类算法能够进一步提高期刊论文题名的分类效果.

关键词：题名分类、核主成分分析、数据降维、特征提取、数据挖掘、模式识别

所属期刊栏目：42

分类号：TN919-34;TP301.6

资助基金：国家自然科学基金项目21776119;江苏省高校自然科学研究项目16KJB510009;江苏师范大学科研基金项目15XLB01

在线出版日期：2019-08-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：108-111