基于深度双向分类器链的多标签新闻分类算法

• 作者: 尹文栋 王皓波 胡天磊
• 来源期刊: 浙江大学学报（工学版）
• 学科: 工学
• 关键词: 多标签 新闻分类 深度学习 神经网络 分类器链
• 年，卷（期）: 2019,（11）
• 所属期刊栏目: 计算机技术与控制工程
• 页码范围: 2110-2117
• 页数: 8页
• 分类号: TP181
• 字数: 6907字
• 语种: 中文
• DOI: 10.3785/j.issn.1008-973X.2019.11.008

摘要

在多标签新闻分类问题中,针对传统分类器链算法难以确定标签依赖顺序、集成模型运行效率低和无法应用复杂模型作为基分类器的问题,提出基于深度神经网络的双向分类器链算法.该方法利用正向分类器链获取每个标签和前面所有标签的依赖关系,引入逆向分类器链,从正向链最后一个基分类器的输出开始反向学习每个标签和所有其他标签的相关性.为了提取非线性标签相关性和提高预测性能,使用深度神经网络作为基分类器.结合2条分类器链的均方误差,使用随机梯度下降算法对目标函数进行有效优化.在多标签新闻分类数据集RCV1-v2上,将所提算法与当前主流的分类器链算法和其他多标签分类算法进行对比和分析.实验结果表明,利用深度双向分类器链算法能够有效提升预测性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	胡天磊	浙江大学计算机科学与技术学院	12	41	4.0	6.0
2	王皓波	浙江大学计算机科学与技术学院	1	2	1.0	1.0
3	尹文栋	浙江大学人文学院	1	2	1.0	1.0