网络传销是一种基于互联网传播平台的新型传销形式,具有隐蔽性强、欺骗性强、涉案范围广、传播速度快等特点。网络传销扰乱了互联网的良好秩序,破坏了市场经济的健康发展,造成了诚信危机,严重影响了社会和谐稳定。网络传销的犯罪手段多种多样,往往是利用互联网发布信息进行“宣传推广”。文本是网络传销活动中使用最广的信息形式之一。数据挖掘技术在网络舆情分析中广泛应用,然而数据挖掘在传销识别方面却鲜有应用。传销组织的文本和正常公司的文本有所差别。因此,本文提出通过文本分类的方法对网络文本中的网络传销公司或者团体进行识别。基于支持向量机的文本分类是目前主流的文本分类方案之一。本文通过研究传销组织的文本,结合传销文本的特性对基于支持向量机的文本分类方案进行优化改进。在本文中,传销文本识别本质上是一项文本分类任务。针对传销文本的特点进行分析和总结,并结合这些特点对基于支持向量机的文本分类方案进行优化和改进是本文研究重点之一。此外,本文还针对支持向量机算法在传销文本识别任务中的改进做了一些研究。本文的主要研究工作与成果如下:(1)提出了一种包含特征的类别分布信息的特征加权算法。针对传统特征加权算法忽视类别信息的缺点,该算法利用特征在类别间的分布差异对传统特征加权算法进行改进。该算法通过给类别区分能力更强的特征赋予更高权重,提高识别传销文本的准确度。(2)提出一种新的用于二分类问题的文本表示模型,主题向量空间模型。在此基础上,本文将主题向量空间模型与传销特征结合,提出了具体的用于识别传销文本的传销主题向量空间模型。本文设计实验证明传销主题向量空间模型比传统向量空间模型在识别传销文本任务中有更好的表现。(3)将增量学习方案应用在构建支持向量机分类器中。针对支持向量机分类器在新的训练样本加入时需要重新构建模型的不足,本文引入了支持向量机的增量学习方案。增量学习方案能够大大减少了加入新的训练样本时构建模型的计算量,提高识别传销文本的性能。