Learning to Classify Text Using Support Vector Machines

بر اساس ایده‌های ماشین‌های بردار پشتیبان (SVM)، آموزش طبقه‌بندی متن با استفاده از ماشین‌های بردار پشتیبان رویکرد جدیدی برای تولید طبقه‌بندی‌کننده‌های متن از نمونه‌ها ارائه می‌دهد. این رویکرد عملکرد و کارایی بالا را با درک نظری و استحکام بهبود یافته ترکیب می کند. به ویژه، بدون مولفه های اکتشافی حریصانه بسیار موثر است. رویکرد SVM از نظر محاسباتی در آموزش و طبقه‌بندی کارآمد است و با یک نظریه یادگیری همراه است که می‌تواند کاربردهای دنیای واقعی را هدایت کند.

یادگیری طبقه‌بندی متن با استفاده از ماشین‌های بردار پشتیبان شرح کامل و دقیق رویکرد SVM برای یادگیری طبقه‌بندی‌کننده متن، از جمله الگوریتم‌های آموزشی، طبقه‌بندی متن انتقالی، تخمین عملکرد کارآمد، و مدل یادگیری آماری طبقه‌بندی متن. علاوه بر این، شامل یک نمای کلی از حوزه طبقه بندی متن است که آن را حتی برای تازه واردان به این حوزه مستقل می کند. این کتاب مقدمه‌ای مختصر بر SVM‌ها برای تشخیص الگو ارائه می‌کند و شامل شرح مفصلی از نحوه فرمول‌بندی وظایف طبقه‌بندی متن برای یادگیری ماشین است.

Based on ideas from Support Vector Machines (SVMs), Learning To Classify Text Using Support Vector Machines presents a new approach to generating text classifiers from examples. The approach combines high performance and efficiency with theoretical understanding and improved robustness. In particular, it is highly effective without greedy heuristic components. The SVM approach is computationally efficient in training and classification, and it comes with a learning theory that can guide real-world applications.

Learning To Classify Text Using Support Vector Machines gives a complete and detailed description of the SVM approach to learning text classifiers, including training algorithms, transductive text classification, efficient performance estimation, and a statistical learning model of text classification. In addition, it includes an overview of the field of text classification, making it self-contained even for newcomers to the field. This book gives a concise introduction to SVMs for pattern recognition, and it includes a detailed description of how to formulate text-classification tasks for machine learning.