结合旋转森林和AdaBoost分类器的多标签文本分类方法

• 作者: 王春华 肖敏 韩栋
• 来源期刊: 计算机应用研究
• 关键词: 多标签文本分类 文本—术语相关性 旋转森林 特征变换 AdaBoost分类器
• 年，卷（期）: 2018,（12）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 3655-3658
• 页数: 4页
• 分类号: TP181
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2018.12.030

摘要

针对一些多标签文本分类算法没有考虑文本—术语相关性和准确率不高的问题,提出一种结合旋转森林和AdaBoost分类器的集成多标签文本分类方法.首先,通过旋转森林算法对样本集进行分割,通过特征变换将各样本子集映射到新的特征空间,形成多个具有较大差异性的新样本子集.然后,基于AdaBoost算法,在样本子集中通过多次迭代构建多个AdaBoost基分类器.最后,通过概率平均法融合多个基分类器的决策结果,以此作出最终标签预测.在四个基准数据集上的实验结果表明,该方法在平均精确度、覆盖率、排名损失、汉明损失和1-错误率方面都具有优越的性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	肖敏	武汉理工大学计算机科学与技术学院	13	168	6.0	12.0
2	王春华	黄淮学院信息工程学院	23	101	6.0	9.0
3	韩栋	黄淮学院信息工程学院	21	75	5.0	7.0