不同程度的监督机制在自动文本分类中的应用

• 作者: 丁磊 钱云涛
• 来源期刊: 计算机应用与软件
• 关键词: 文本分类 监督学习 非监督学习 半监督学习
• 年，卷（期）: 2004,（6）
• 所属期刊栏目: 人工智能
• 页码范围: 65-68
• 页数: 4页
• 字数: 6103字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386X.2004.06.029

摘要

自动文本分类技术涉及信息检索、模式识别及机器学习等领域.本文以监督的程度为线索,综述了分属全监督,非监督以及半监督学习策略的若干方法-NBC(Naive Bayes Classofoer),FCM(Fuzzy G-Means),SOM(Self-Organixing Map),ssFCM(semi-supervisedFuzzy C-Means)和gSOM(guided Self-Organizing Map),并应用于文本分类中.其中,gSOM是我们在SOM基础上发展得到的半监督形式.并以Reuters-21578为语料,研究了监督程度对分类效果的影响,从而提出了对实际文本分类工作的建议.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	丁磊	浙江大学计算机学院	10	28	4.0	5.0
2	钱云涛	浙江大学计算机学院	1	9	1.0	1.0