基于概念与词根双特征互助文本分类模型

• 作者: 古平 吴庭君 静云
• 来源期刊: 计算机与现代化
• 学科: 工学
• 关键词: 半监督 语义 双特征 协同训练
• 年，卷（期）: 2015,（8）
• 所属期刊栏目: 算法设计与分析
• 页码范围: 93-97
• 页数: 5页
• 分类号: TP301.6
• 字数: 5756字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-2475.2015.08.019

摘要

传统半监督文本分类方法，大多数建立在词根特征的基础上，忽略了语义特征的重要性，导致分类精度不高。考虑到语义对分类的影响，本文提出融合概念与词根双特征的文本分类模型。该方法以WordNet为本体库，在Co-training框架下，构造基于概念和词根的双分类器进行协同训练的分类模型。实验分析了新模型分类准确率和召回率，结果显示新模型相对于旧模型在这2方面都有提升，表明基于概念与词根双特征互助的新算法具有更高的有效性。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	古平	重庆大学计算机学院	38	335	11.0	17.0
2	吴庭君	重庆大学计算机学院	2	4	2.0	2.0
3	静云	重庆大学计算机学院	1	2	1.0	1.0