张银文;谢卓瑞;张凯伟;迈克尔·林加德;林志珍 通过线性SVM训练和测试低阶多项式数据映射。 (英语) Zbl 1242.68210号 J.马赫。学习。物件。 11, 1471-1490 (2010)。 摘要:长期以来,核技术一直被用于支持向量机,通过将数据转换到高维空间来处理线性不可分割的问题,但训练和测试大型数据集往往很耗时。相反,我们可以使用无核线性SVM有效地训练和测试更大的数据集。在这项工作中,我们将快速线性SVM方法应用于多项式映射数据的显式形式,并研究了实现问题。该方法具有快速的训练和测试,但有时可能达到接近使用高度非线性核的精度。实验表明,该方法对某些大规模数据集是有效的。在一些训练/测试速度要求下,我们通过提高测试精度,成功地将所提出的方法应用于自然语言处理(NLP)应用。 引用于8文件 MSC公司: 68T05型 人工智能中的学习和自适应系统 62H30型 分类和区分;聚类分析(统计方面) 68T50型 自然语言处理 关键词:分解方法;低次多项式映射;内核函数;支持向量机;依赖项分析;自然语言处理 软件:LIBLINEAR公司;SVM灯;伦敦银行支持向量机 PDF格式BibTeX公司 XML格式引用 \textit{Y.-W.Chang}等人,J.Mach。学习。第11号决议,1471-1490(2010年;Zbl 1242.68210) 全文: 链接