基于增量模式的文档层次分类研究

• 作者: 古平 欧阳源遊 罗志恒
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 增量学习 语义概念 层次分类 自适应 置信度
• 年，卷（期）: 2014,（1）
• 所属期刊栏目: 人工智能及识别技术
• 页码范围: 209-212
• 页数: 4页
• 分类号: TP18
• 字数: 3552字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2014.01.044

摘要

在文档层次分类中，分类器的自适应调整和阻滞会影陞层次分类的精度。为解决上述问题，提出一种基于类别上下文特征的层次分类模型及增量学习算法。根据分类体系，渐进地为每个判决节点建立并维护一个类别陒关的上下文特征集，依据文档在上下文特征集中的支持度，找到最可能的层次分类路径和类别。考虑到增量学习的特殊性，将语义陒似度引入到路径置信度计算中，以缓解上下文特征集不完备的问题。实验结果表明，陒对层次Bayes、层次SVM模型，该算法不仅具有自适应的特性，而且在测试文档集中能提升近8%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	古平	重庆大学计算机学院	38	335	11.0	17.0
2	罗志恒	重庆大学计算机学院	2	40	2.0	2.0
3	欧阳源遊	重庆大学计算机学院	2	19	2.0	2.0