首页|基于SSA-SVM的营养健康信息文本分类研究

基于SSA-SVM的营养健康信息文本分类研究

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
为了能够快速、便捷地提取互联网中有关食物营养健康相关信息,针对传统文本分类算法的不足,利用麻雀搜索算法(SSA)良好的寻优能力对支持向量机(SVM)的最优参数组合进行搜索,提出一种基于SSA-SVM的文本分类方法.对SSA-SVM模型在不同的数据集中的分类效果进行了试验研究,结果表明,SSA全局寻优性能稳定,可有效降低SVM参数选取对系统泛化能力和分类精度的影响,SSA-SVM模型在营养健康文本分类中准确率可达到83.8％,对食物营养健康信息挖掘研究具有一定的参考价值.
Research on text classification of nutrition and health information based on SSA-SVM

刘蕾、田鑫宇、朱大洲

展开 >

黑龙江八一农垦大学,黑龙江 大庆 163319

农业农村部食物与营养发展研究所

营养健康 文本分类 支持向量机 麻雀搜索算法

农业农村部重大信息平台运行维护专项

2023

10.16644/j.cnki.cn33-1094/tp.2023.06.017

计算机时代
浙江省计算技术研究所　浙江省计算机学会

计算机时代

影响因子：0.411
ISSN：1006-8228
年,卷(期)：2023.(6)
  • 7