【正文】 摘要摘 要在機器學習理論中支持向量機（SVM）有著重要的地位，無論是求解分類問題還是求解回歸問題，SVM 都有著廣泛的應(yīng)用。本文簡單的介紹了 SVM 的基本原理，討論了 SVM 在文本分類中的應(yīng)用，并詳細的分析了如何利用 SVM 構(gòu)造文本分類器。這里說明了文本分類的詳細處理過程，并介紹了這些過程中的關(guān)鍵技術(shù)，如：分詞技術(shù)、向量空間模型（VSM） 、特征選取技術(shù)和 SVM 的交叉驗證技術(shù)等等。結(jié)合著分析和討論又概略的說明了利用 Microsoft Visual C++ 創(chuàng)建文本分類系統(tǒng)的過程，介紹了重要的類和關(guān)鍵處理函數(shù)的實現(xiàn)和優(yōu)化，以及如何利用動態(tài)鏈接庫來實現(xiàn) C++到 Java 的遷移。最后給出了由本系統(tǒng)得到的實驗數(shù)據(jù)和結(jié)論。關(guān)鍵字： 機器學習 文本分類 支持向量機（SVM ）ABSTRACTABSTRACTSupport Vector Machines (SVM) has an important position in Machine learning theory, whether it is to solve the classification problem or request for the reunification issue, SVM has a wide range of applications. In this paper, a short introduction into the basic principles of SVM, a detailed discussion of the SVM in the text classification, and a careful analysis of how to make use of SVM to construct classifier for a text classification. Here39。s the text of the detailed classification process and introduced in the course of these key technologies, such as: segmentation technology, vector space model (VSM), features selection technology, crossverification technology of the SVM and so on. With the analysis and discussion also briefly described the process of making use of Microsoft Visual C++ to create the text classification system, introduced the realization and optimization of the key class and important functions, and how to use of dynamic link library to achieve the migration from C++ to Java. Finally, the experimental data and conclusions produced by this system are shown.Keywords: machine learning text classification SVM(support vector machine)目錄畢業(yè)設(shè)計（論文）原創(chuàng)性聲明和使用授權(quán)說明原創(chuàng)性聲明本人鄭重承諾：所呈交的畢業(yè)設(shè)計（論文），是我個人在指導教師的指導下進行的研究工作及取得的成果。盡我所知，除文中特別加以標注和致謝的地方外，不包含其他人或組織已經(jīng)發(fā)表或公布過的研究成果，也不包含我為獲得 及其它教育機構(gòu)的學位或?qū)W歷而使用過的材料。對 本研究提供過幫助和做出過貢獻的個人或集體，均已在文中作了明確的說明并表示了謝意。作 者 簽 名：　　 　 　　 日　 期：　　 　 　　 指導教師簽名：　　 　 　　 日 　　期：　　 　 　　 使用授權(quán)說明本人完全了解 大學關(guān)于收集、保存、使用 畢業(yè)設(shè)計（論文）的規(guī)定，即：按照學校要求提交畢業(yè)設(shè)計（論文）的印刷本和電子版本；學校有權(quán)保存畢業(yè)設(shè)計（論文）的印刷本和電子版，并提供目錄檢索與閱覽服務(wù)；學?？梢圆捎糜坝?、縮印、數(shù)字化或其它復制手段保存論文；在不以贏利為目的前提下，學?？梢怨颊撐牡牟糠只蛉績?nèi)容。作者簽名：　　 　 　　 日　 期：　　 　 　　 目錄學位論文原創(chuàng)性聲明本人鄭重聲明：所呈交的論文是本人在導師的指導下獨立進行研究所取得的研究成果。除了文中特別加以標注引用的內(nèi)容外，本論文不包含任何其他個人或集體已經(jīng)發(fā)表或撰寫的成果作品。對本文的研究做出重要貢獻的個人和集體，均已在文中以明確方式標明。本人完全意識到本聲明的法律后果由本人承擔。作者簽名： 日期： 年 月 日學位論文版權(quán)使用授權(quán)書本學位論文作者完全了解學校有關(guān)保留、使用學位論文的規(guī)定，同意學校保留并向國家有關(guān)部門或機構(gòu)送交論文的復印件和電子版，允許論文被查閱和借閱。本人授權(quán)　　 　 　大學可以將本學位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫進行檢索，可以采用影印、縮印或掃描等復制手段保存和匯編本學位論文。涉密論文按學校規(guī)定處理。作者簽名： 日期： 年 月 日導師簽名： 日期： 年 月 日目錄目 錄第一章 引言 .....................................................................................................................1 總體項目背景 .......................................................................................................1 基于 Web 的信息集成系統(tǒng) ......................................................................1 基于 Web 的信息集成系統(tǒng)的需求和系統(tǒng)結(jié)構(gòu) ......................................2 文本分類系統(tǒng)的任務(wù)和目標 ...............................................................................3 本文主要研究內(nèi)容 ...............................................................................................4第二章 相關(guān)理論 .............................................................................................................7 文本自動分類 .......................................................................................................7 支持向量機(SVM) ................................................................................................8 SVM 的原理 ...........................................................................................................9 線性支持向量機 .......................................................................................9 非線性支持向量機 .................................................................................11 SVM 文本分類 .....................................................................................................13第三章 需求分析 ...........................................................................................................15 SVM 的兩個階段 .................................................................................................15 訓練階段目標 .....................................................................................................16 測試階段目標 .....................................................................................................18 外部接口 .............................................................................................................18第四章 總體設(shè)計與實現(xiàn)工具的選擇 ...........................................................................21 總體結(jié)構(gòu) .............................................................................................................21 訓練階段 .............................................................................................................21 分詞及詞頻統(tǒng)計 .....................................................................................21 文本向量空間模型(VSM)及文本特征選取 ..........................................27 文本向量化 .............................................................................................31 文本分類器 .............................................................................................32 測試階段 .............................................................................................................36 分詞及詞頻統(tǒng)計 .....................................................................................36目錄 文本向量化 .............................................................................................36 分類處理 .................................................................................................37 實現(xiàn)工具的選擇與跨語言遷移 .........................................................................37第五章 詳細設(shè)計與實現(xiàn) ...............................................................................................39 界面設(shè)計 .............................................................................................................39 配置文件 ...........................................