基于极限学习机的中文文本分类方法

• 作者: 伍飞 俞雯静 曾伟波 程东生 范广璐
• 来源期刊: 重庆理工大学学报（自然科学版）
• 学科: 工学
• 关键词: 中文文本分类 极限学习机 特征融合 单隐层神经网络 电网档案管理系统
• 年，卷（期）: 2018,（8）
• 所属期刊栏目: 信息·计算机·电子
• 页码范围: 156-164,205
• 页数: 10页
• 分类号: TP183
• 字数: 8077字
• 语种: 中文
• DOI: 10.3969/j.issn.1674-8425(z).2018.08.025

摘要

针对当前中文文本分类方法难以平衡分类精度和学习效率的问题,提出了一种基于极限学习机(ELM)的中文文本分类方法,该方法包括预处理模块、文本特征提取模块、特征融合模块和基于极限学习机的分类模块.在分类模块中,提出采用单隐层神经网络作为分类器并使用ELM算法来训练分类器,有效地平衡模型性能和学习效率.同时分别针对不同的特征训练分类器,集成不同分类器的输出得到最后的分类结果,有效提高了平衡分类精度,并在电网档案管理系统的档案归类任务中对该模型进行应用评估.实验结果表明,该模型不仅有较高的分类精度,而且在训练和测试两个阶段模型的计算都具有较低的代价.所提方法适用于海量数据下的中文文本分类场景,具有重要的研究意义和推广价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	程东生		1	3	1.0	1.0
2	范广璐		1	3	1.0	1.0
3	俞雯静		1	3	1.0	1.0
4	伍飞		1	3	1.0	1.0
5	曾伟波		1	3	1.0	1.0