文 献 综 述 一、前言 支持向量机（SVM）是一种在统计学习理论的基础上发展起来的机器学习方法[1]，是由Cortes和Vapnik于1995年首先提出。

该方法采用结构风险最小化原则替代传统经验风险最小化原则，可以使其在训练样本数量有限的情况下，很好地兼顾分类识别准确率和分类推广能力。

因此，SVM 方法被广泛地应用到模式识别和分类问题中[2]。

本课题将使用SVM方法进行文本分类系统的设计。

作者在阅读课题相关文献后，经过理解、整理并综合分析了相关知识，写下这篇综述，以便后续工作的开展以及对相关参考文献进行回顾。

二、研究现状 1、文本分类国外研究现状 文本的自动分类最初是应信息检索系统的要求出现的，它是由计算机自动完成对文本的分类。

在国外，文本自动分类的研究起步较早。

20世纪50年代末，H.P.Lunhn就提出了将词频统计思想用于文本分类。

1960年，Maron发表了关于分类算法的第一篇论文，随后以K.spark, G.salton以及K.S.Jones等人为代表的众多学者也在这一领域进行了很有成效的研究工作。

1980年末，研究者主要利用基于文本规则的分类模式进行分类，用户使用现有的知识建立一系列规则，并手工建造分类器。