基于TNG特征扩展的MLFM-MN短文本分类算法

• 作者: 文武 李培强 郭有庆
• 来源期刊: 计算机工程与科学
• 学科: 工学
• 关键词: 特征稀疏 TNG模型 模糊神经网络 扩展库 主题倾向
• 年，卷（期）: 2019,（11）
• 所属期刊栏目: 人工智能与数据挖掘
• 页码范围: 2071-2078
• 页数: 8页
• 分类号: TP391.1
• 字数: 7324字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2019.11.023

摘要

在海量短文本中由于特征稀疏、数据维度高这一问题,传统的文本分类方法在分类速度和准确率上达不到理想的效果.针对这一问题提出了一种基于Topic N-Gram(TNG)特征扩展的多级模糊最小-最大神经网络(MLFM-MN)短文本分类算法.首先通过使用改进的TNG模型构建一个特征扩展库并对特征进行扩展,该扩展库不仅可以推断单词分布,还可以推断每个主题文本的短语分布;然后根据短文本中的原始特征,计算这些文本的主题倾向,根据主题倾向,从特征扩展库中选择适当的候选词和短语,并将这些候选词和短语放入原始文本中;最后运用MLFM-MN算法对这些扩展的原始文本对象进行分类,并使用精确率、召回率和F1分数来评估分类效果.实验结果表明,本文提出的新型分类算法能够显著提高文本的分类性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	文武	重庆邮电大学通信与信息工程学院	32	146	7.0	10.0
10	郭有庆	重庆邮电大学通信与信息工程学院	3	4	1.0	2.0
14	李培强	重庆邮电大学通信与信息工程学院	4	17	2.0	4.0