基于蚁群聚集信息素的半监督文本分类算法

• 作者: 冀俊忠 吴晨生 吴金源 杜芳华
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 文本分类 半监督学习 聚集信息素 自训练 Top-k策略 随机选择策略
• 年，卷（期）: 2014,（11）
• 所属期刊栏目: ?人工智能及识别技术?
• 页码范围: 167-171
• 页数: 5页
• 分类号: TP311.12
• 字数: 4860字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2014.11.033

摘要

半监督文本分类中已标记数据与未标记数据分布不一致，可能导致分类器性能较低。为此，提出一种利用蚁群聚集信息素浓度的半监督文本分类算法。将聚集信息素与传统的文本相似度计算相融合，利用Top-k策略选取出未标记蚂蚁可能归属的种群，依据判断规则判定未标记蚂蚁的置信度，采用随机选择策略，把置信度高的未标记蚂蚁加入到对其最有吸引力的训练种群中。在标准数据集上与朴素贝叶斯算法和EM算法进行对比实验，结果表明，该算法在精确率、召回率以及F1度量方面都取得了更好的效果。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	冀俊忠	北京工业大学计算机学院多媒体与智能软件技术北京市重点实验室	58	626	14.0	23.0
2	吴晨生		75	603	12.0	21.0
3	吴金源	北京工业大学计算机学院多媒体与智能软件技术北京市重点实验室	4	64	4.0	4.0
4	杜芳华	北京工业大学计算机学院多媒体与智能软件技术北京市重点实验室	4	55	4.0	4.0