基于支持向量机的中文极短文本分类模型

随着智能终端设备的不断普及，微信、网络即时新闻、电商客户产品评论等富含极短文本数据的信息呈爆发式增长。为了有效提取极短文本中的关键特征信息，提出了一种基于支持向量机的极短文本分类模型。首先对原数据进行数据清洗并利用Jieba分词将清洗过的数据进行处理；再将处理后的数据存入数据库，通过TF-IDF进行文本特征的提取；同时，利用支持向量机对极短文本进行分类。经过（1-0）检验，验证了模型的有效性。实验以芜湖市社管平台中的9906条极短文本数据作为样本进行算法检验与分析。结果表明在分类准确率方面，该方法相比于朴素贝叶斯、逻辑回归、决策树等传统方法得到有效提高；在误分度与精确度指标上匹配结果更加均衡。