理解字符串核函数

前面讲支持向量机的时候，提到了核函数，通过核函数可以实现特征点的非线性转换，从而实现分类。
字符串核函数也是一种核函数，但它与一般的核函数不同。其他核函数一般定义在欧氏空间上，而字符串核函数是定义在字符串集合上的核函数。字符串核函数被广泛用在文本分类、信息检索等方面。

首先解释下什么是字符串核函数。与一般核函数一样，字符串核函数也需要高维特征空间。特征空间的维度由映射函数决定，例如映射$\phi(x_1,x_2,x_3)$，则特征空间维数为三维。字符串核函数的特征空间维数也是由映射函数决定的，但不同的是，特征空间的每一维是用字符串来表示的。例如字母表为｛a,b,c｝长度大于等于3的字符串集合的特征空间有六维，分别是abc、acb、bac、bca、cab、cba。这样就可以将字符串s,t用长度为3的子串向量来“表示”，当然这里的表示不是说字符串能够用这些子串等价地表示，因为字符串核函数$k(s,t)$定义的是字符串s和t的余弦相似度，它们的子串越多，相似性就越高。

首先给出字符串核函数的映射函数在每一维上的取值表达式：

$[\phi_n(s)]_u=\sum_u \lambda^{l(i)}$

其中，特征空间是由所有长度为n的子串组成的，维数为