工作小结

近一周工作小结
目标：基于SVM的短信分类器
主要任务：分词，SVM程序


分词采用中科院分词开源程序ictlas4j(by sinboy,作者blog地址：http://blog.csdn.net/sinboy/category/207165.aspx)，初步调试未发现bug。

SVM
SVM（Support Vector Matchine）是近年来在机器学习、自然语言处理领域广泛使用、效果杰出的分类方法，libsvm是国立台湾大学林智仁教授开发的基于SVM的开源工程（http://www.csie.ntu.edu.tw/~cjlin/），SVM的理论并不简单，但是使用libsvm并不困难，推荐经典入门指南http://ntu.csie.org/~piaip/svm/svm_tutorial.html。
最近发现，对于训练样本与特征维数都比较大（比如数量级上万）的分类问题（大规模文本分类），应用线性核函数的svm更合适（准确率稍高，时间和空间比较爽），对应的工具是
LIBLINEAR（http://www.csie.ntu.edu.tw/~cjlin/liblinear/）

目前正在用JAVA进行程序实现，思路已经明确，希望尽快完成 :）