Метод обучения и нейросетевого представления Web-классификатора

­Метод опорных векторов (Support Vector Machines – SVM) – это алгоритм разделения двух множеств гиперплоскостью, который использует только скалярное произведение векторов [73–76]. Этот метод может быть использован при построении и обучении нейросетевых агентов, обеспечивающих решение задачи классификации текстов [71–73].

Рассмотрим задачу дихотомической классификации в пространстве признаков R^N. Уравнение разделяющей гиперплоскости имеет вид

, (11.26)

где w – нормаль к гиперплоскости.

Полупространства, образуемые этой гиперплоскостью, задаются неравенствами вида , . (11.27)

Требуется найти классифицирующую функцию в виде

, (11.28)

описывающую гомогенную нейронную сеть типа “перцептрон” [109] с синаптическими параметрами и синаптическим порогом .

Для решения этой задачи синтезируем оптимальную в смысле функционала (11.23) классифицирующую (нейронную) функцию (11.28). Чтобы минимизировать риск классификации (11.23) необходимо минимизировать нормаль к гиперплоскости при условии, что все точки обучающего множества Т классифицируются правильно, т.е.

, (11.29)

Используя “ядра” вида (11.25) и определяя вектор оптимальных синаптических параметров w и синаптический порог по обучающей выборке (11.1), получим нейронное представление оптимального Web-классификатора текстов в случае двух классов. Это представление по существу определяет архитектуру нейросетевого агента-классификатора Web-сайтов [71, 72].