改进词频分类器集成的文本分类算法

• 作者: 于红 梁晓娜 范丽民 骆桂爽
• 来源期刊: 智能系统学报
• 学科: 工学
• 关键词: 文本分类 集成学习 词频分类器 AdaBoost
• 年，卷（期）: 2010,（2）
• 页码范围: 177-180
• 分类号: TP18
• 字数: 3026字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-4785.2010.02.013

摘要

互联网容纳了海量的文本信息,文本分类系统能够在给定的类别下,自动将文本分门别类,更好地帮助人们挖掘有用信息.介绍了基于词频分类器集成文本分类算法.该算法计算代价小,分类召回率高,但准确率较低,分析了导致准确率低的原因,在此基础上提出了基于改进词频分类器集成的文本分类算法,改进后的算法在文本权重更新方面做了参数调整,使得算法的准确率有显著提高,最后用实验验证了改进后算法的性能.实验结果表明,基于改进词频分类器集成的文本分类算法不仅提高了分类的准确性,而且表现出较好的稳定性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	于红	大连水产学院信息工程学院	26	153	8.0	10.0
2	梁晓娜	大连水产学院信息工程学院	3	7	2.0	2.0
3	范丽民	大连水产学院信息工程学院	1	2	1.0	1.0
4	骆桂爽	大连水产学院信息工程学院	1	2	1.0	1.0