用改进的1-DNF算法获取最强反例集合的方法

• 作者: 于海龙 左万利 赫枫龄
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 文本分类 面向PU问题的文本分类 文本分类器
• 年，卷（期）: 2007,（9）
• 所属期刊栏目: 人工智能及识别技术
• 页码范围: 191-193
• 页数: 3页
• 分类号: TP311
• 字数: 4379字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2007.09.070

摘要

利用正样例集合和未标识样例集合获取初始的最强反例集合是使用两步框架方法构造一个面向PU问题文本分类器的基础.该文指出了使用1-DNF算法抽取初始的最强反例集合的局限性,提出了对算法1-DNF的改进方法.实验结果表明,与原算法相比,它大大增加了获取的最强反例数目,加快了算法的收敛速度,提高了分类器的精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	左万利	吉林大学计算机科学与技术工程学院符号计算与知识工程教育部重点实验室	88	1273	20.0	31.0
2	赫枫龄	吉林大学计算机科学与技术工程学院符号计算与知识工程教育部重点实验室	34	590	13.0	24.0
3	于海龙	吉林大学计算机科学与技术工程学院符号计算与知识工程教育部重点实验室	1	1	1.0	1.0