几种基于MOOC的文本分类算法的比较与实现

• 作者: 刘鑫昊 唐国斐 曾平 谭庆平
• 来源期刊: 软件
• 学科: 工学
• 关键词: 文本分类 机器学习 特征选择 特征抽取
• 年，卷（期）: 2016,（9）
• 所属期刊栏目: 基金项目论文
• 页码范围: 27-33
• 页数: 7页
• 分类号: TP181
• 字数: 6439字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-6970.2016.09.007

摘要

机器学习是人工智能的主要内容之一，文本分类正是机器学习中典型的监督学习场景。而机器学习在在线教育平台中的应用正是现阶段的发展趋势。首先介绍了文本分类的背景及意义，文本分类系统中的文本预处理部分，介绍了信息增益算法、主要成分分析等相关技术；文本分类的分类算法部分，主要介绍了AdaBoost技术。在遵循文本分类流程的基础上，设计了一个3模块文本分类系统：一、中文分词及去停止词模块；二、文本向量化及特征降维模块；三、分类器模块。文本分类系统的具体实现上，全部采用开源工具完成，使用 Ansj 实现模块一，Weka 实现模块二、三。按照文本分类流程，利用文本分类系统进行了实验，并对实验中得到的数据进行了分析和总结。为了提升最后的分类效果，在特征降维这一步中，添加了IG-LSA（信息增益（IG）-潜在语义分析(LSA)）的混合降维方法。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	谭庆平	国防科学技术大学计算机科学与技术学院	30	181	8.0	11.0
2	曾平	国防科学技术大学计算机科学与技术学院	2	4	1.0	2.0
3	刘鑫昊	国防科学技术大学计算机科学与技术学院	1	4	1.0	1.0
4	唐国斐	国防科学技术大学计算机科学与技术学院	2	11	2.0	2.0