基于半监督学习的短文本分类方法

• 作者: 全志斌 孙学琛 施嘉鸿 高志强
• 来源期刊: 山东理工大学学报：自然科学版
• 学科: 工学
• 关键词: 半监督学习 协作分类 短文本分类 数据挖掘
• 年，卷（期）: 2012,（1）
• 页码范围: 1-4
• 页数: 4页
• 分类号: TP391.43
• 字数: 2984字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-6197.2012.01.001

摘要

随着万维网的快速普及和发展,Web上出现了大量短文本,如科技文献摘要、微博和电子邮件等.短文本内容短小,相互联系,已标注数据获得困难,导致传统分类方法很难取得较高的分类精度.为了解决短文本分类问题,提出了一种基于半监督学习的迭代分类算法（SS-ICA）.它使用较少的已标记数据,利用短文本间的关系进行迭代分类.通过与常用分类方法进行对比表明,在标注数据较少的情况下SS-ICA比其他分类器有更高的分类精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	高志强	东南大学计算机科学与工程学院	25	266	6.0	16.0
2	孙学琛	东南大学计算机科学与工程学院	1	9	1.0	1.0
3	全志斌	东南大学计算机科学与工程学院	1	9	1.0	1.0
4	施嘉鸿	东南大学计算机科学与工程学院	1	9	1.0	1.0