基于改进模糊语法增量式算法的文本分类方法

• 作者: 黄欣阳 龚静
• 来源期刊: 计算机应用研究
• 关键词: 文本分类 机器学习 增量式 模糊语法 重新训练
• 年，卷（期）: 2017,（11）
• 所属期刊栏目: 系统应用开发
• 页码范围: 3355-3358,3378
• 页数: 5页
• 分类号: TP391.1
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2017.11.034

摘要

针对现有很多文本分类算法必须进行训练一测试一再训练的缺点以及通用模型的语法表现度较差等问题,提出一种改进的模糊语法算法(IFGA).根据一些选取的文本片段建立学习模型;为了适应轻微变化,采用增量式模型,将选取的文本片段转换到底层架构中,形成模糊语法;利用模糊联合操作将单个文本片段语法进行整合,并将所学习的文本片段转换成更加一般的表示形式.与决策表算法、改进的朴素贝叶斯算法等进行了两组对比实验,第一个实验结果表明,IFGA和其他机器学习算法性能并无明显差异;第二个实验结果说明,增量式学习算法比标准机器学习算法更加具有优势,其性能较平稳,数据的尺寸影响更小.提出的算法具有较低的模型重新训练时间.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	龚静	湖南环境生物职业技术学院信息技术系	61	321	10.0	15.0
2	黄欣阳	南华大学计算机学院	15	53	3.0	6.0