基于网页链接分析和支持向量机的网页文本分类算法研究

摘要

本发明公开了基于网页链接分析和支持向量机的网页文本分类算法研究，它涉及网页分类技术领域，它的具体步骤为：(一)把大量网页分为训练集和测试集两部分；(二)对网页（包括训练集和测试集）进行预处理；(三)计算训练集中每个网页内特征词的词频；(四)计算出训练集中每个网页内特征词的权重；(五)计算测试集中每个类的特征向量；(六)计算训练集中每个网页的文本特征向量；(七)确定相似度最小值为阀值；(八)最大程度减少特征词的数量；(九)对测试集网页的文本特征向量进行分类；(十)同时计算测试网页分类后与此类特征向量的相似度。它利用空间向量模型和支持向量机的方法，具有分类时间短，召回率高，内存需求少，学习速度快的特点。