《表1 中文分词部分词库对照表》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于数据挖掘的地理信息服务聚合研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

在数据挖掘方法的选择上，本文使用了支持向量机的监督分类方法。该方法建立在统计学习和经验风险最小的理论基础上，能够很好地解决小样本、非线性及高维模式识别方面的问题。利用支持向量机中核函数构建的超平面以区分不同行业的数据信息。在具体操作过程中，首先，从每个行业的数据中随机抽取10 000条以上的数据记录进行样本训练，统计各行业关键词出现的频率；然后，构建训练样本的特征空间分词库；最后，使用支持向量机的分类方法对未知文本进行筛选和分类。值得注意的是，对于中文网页文本的处理，使用中文分词方法[6]将文本区分为名词、动词、介词、连词、数词、标点符号、地名地址等（见表1）。