多类文本分类算法GS-SVDD

• 作者: 刘三阳 吴德 梁锦锦
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 文本多分类 黄金分割 支持向量域描述 维数约简 海量文本
• 年，卷（期）: 2016,（8）
• 所属期刊栏目: 人工智能
• 页码范围: 190-193
• 页数: 4页
• 分类号: TP393
• 字数: 4881字
• 语种: 中文
• DOI: 10.11896/j.issn.1002-137X.2016.8.038

摘要

传统多类文本多分类算法存在计算量大和训练时间长的问题,为此利用黄金分割(Golden Selection,GS)和支持向量域描述(Support Vector Domain Description,SVDD)对多类文本构造一种分类算法.GS-SVDD首先利用词频逆向文件频率(Term Frequency-Inverse Document Frequency,TF-1DF)公式计算词条的相对词频,根据该值将词条降序排列,并对得到的文本向量进行归一化;其次采用黄金分割法对文本向量进行维数约简,使得冗余的样本特征数不超过一个;最后根据支持向量域描述进行多类分类,判断待测文本归属相对类距离之值较小的类.不同数据集的数值实验表明,GS-SVDD比“一对一”和“一对多”支持向量机具有更好的稳定性、更高的分类精度和更短的训练时间,从而更适用于海量文本的多分类.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘三阳	西安电子科技大学计算机学院	662	5562	32.0	51.0
2	梁锦锦	西安石油大学理学院	8	28	2.0	5.0
3	吴德	西安电子科技大学计算机学院	12	82	6.0	9.0