基于PageRank的主动学习算法

• 作者: 刘福伦 汪敏 邓思宇 黄雨婷
• 来源期刊: 智能系统学报
• 学科: 工学
• 关键词: 分类 主动学习 PageRank 邻域 聚类 二叉树
• 年，卷（期）: 2019,（3）
• 页码范围: 551-559
• 页数: 9页
• 分类号: TP181
• 字数: 5972字
• 语种: 中文
• DOI: 10.11992/tis.201804052

摘要

在许多分类任务中,存在大量未标记的样本,并且获取样本标签耗时且昂贵.利用主动学习算法确定最应被标记的关键样本,来构建高精度分类器,可以最大限度地减少标记成本.本文提出一种基于PageRank的主动学习算法(PAL),充分利用数据分布信息进行有效的样本选择.利用PageRank根据样本间的相似度关系依次计算邻域、分值矩阵和排名向量;选择代表样本,并根据其相似度关系构建二叉树,利用该二叉树对代表样本进行聚类,标记和预测;将代表样本作为训练集,对其他样本进行分类.实验采用8个公开数据集,与5种传统的分类算法和3种流行的主动学习算法比较,结果表明PAL算法能取得更好的分类效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘福伦	西南石油大学计算机科学学院	4	7	2.0	2.0
2	汪敏	西南石油大学电气信息学院	20	65	5.0	7.0
3	黄雨婷	西南石油大学计算机科学学院	5	2	1.0	1.0
4	邓思宇	西南石油大学计算机科学学院	2	1	1.0	1.0