一种基于改进PU学习理论的推送内容过滤策略

• 作者: 杨强 隋福宁
• 来源期刊: 计算机应用研究
• 关键词: PU学习理论 信息推送 内容过滤 文本分类
• 年，卷（期）: 2010,（12）
• 页码范围: 4480-4482,4485
• 分类号: TP311
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2010.12.023

摘要

对于信息推送的内容过滤策略进行改进,在现有基于正例和无标注样例(PU)的学习理论的分类基础上,通过对反例文档的发现进行研究,将这种学习理论在信息推送中的内容过滤进行实验,通过实验证明整套策略在内容过滤上精度和速度都有明显的提升.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨强	国防科学技术大学信息系统工程重点实验室	14	64	5.0	7.0
2	隋福宁	国防科学技术大学信息系统工程重点实验室	1	0	0.0	0.0