基于稳健模糊粗糙集模型的多标记文本分类

• 作者: 张晶 李华 李德玉 王素格
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 模糊粗糙集 k-mean稳健统计量 隶属度 多标记学习
• 年，卷（期）: 2015,（7）
• 所属期刊栏目: 人工智能
• 页码范围: 270-275
• 页数: 6页
• 分类号: TP391
• 字数: 7858字
• 语种: 中文
• DOI: 10.11896/j.issn.1002-137X.2015.7.058

摘要

针对多标记数据的不确定性以及噪声数据的存在,提出了一种新的多标记稳健模糊粗糙分类模型.该模型是处理单标记分类问题的k-mean稳健统计量模糊粗糙分类模型的扩展应用.对于每个待分类数据,首先根据相似性计算方法,得到它们相对于各标记的隶属度;然后根据隶属度定义待分类数据与各标记的相关度;最后为每一组相关度赋予合适的阈值,得到相关的标记集合.在3个标准多标记数据集和1个真实多标记文本数据集上的实验结果表明,对于多标记文本分类问题,所提模型在6个常用的多标记评测指标上较常用的ML-kNN和rank-SVM多标记学习方法具有更高的准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李德玉	山西大学计算机与信息技术学院	83	753	12.0	24.0
5	李华	山西大学计算机与信息技术学院	72	1060	18.0	29.0
6	王素格	山西大学计算机与信息技术学院	88	812	14.0	25.0
10	张晶	山西大学计算机与信息技术学院	16	77	6.0	8.0