基于选择迁移的baggi ng文本分类算法

• 作者: 吴陈 汤莹
• 来源期刊: 计算机工程与设计
• 学科: 工学
• 关键词: 文本分类 选择 迁移学习 集成bagging算法 负迁移
• 年，卷（期）: 2015,（7）
• 所属期刊栏目: 软件与算法
• 页码范围: 1808-1812
• 页数: 5页
• 分类号: TP391
• 字数: 5235字
• 语种: 中文
• DOI: 10.16208/j.issn1000-7024.2015.07.025

摘要

针对目标域训练样本数量较少无法建立优质分类模型的问题，提出一种在迁移框架下基于集成bagging算法的跨领域分类方法。引入源域的数据并对其进行筛选，对混合数据集进行学习，建立基于集成bagging算法的分类模型，投票得出预测结果。仿真对比结果表明，采用基于贝叶斯个体分类器的集成bagging算法能够优化源域的迁移，提升目标域的分类准确率及泛化性能。分析源域的噪音数据数量，其结果表明，该算法可以部分规避负迁移。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴陈	江苏科技大学计算机科学与工程学院	95	641	13.0	20.0
2	汤莹	江苏科技大学计算机科学与工程学院	2	6	1.0	2.0