基于Transfer-SVM多标签文本分类算法研究

• 作者: 宋文广 李程文 谭建平
• 来源期刊: 无线互联科技
• 关键词: 多标签 迁移学习 文本分类 支持向量机
• 年，卷（期）: 2019,（10）
• 所属期刊栏目: 实验研究
• 页码范围: 102-103
• 页数: 2页
• 字数: 1632字
• 语种: 中文

摘要

传统的支持向量机分类模型只有在利用大量已标注数据进行训练才能获得较高精度.在实际应用中,多标签数据相对于传统单标签数据更具有价值,但多标签数据中含有大量冗余数据,获取大量多标签数据难度非常大.文章提出一种基于迁移学习的分类算法,利用目标数据域和源数据域的相关性,从源数据域中选取对分类超平面起关键作用的支持向量和目标数据域,一起训练分类模型以提高分类精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	宋文广		4	1	1.0	1.0
2	李程文		4	1	1.0	1.0
3	谭建平		3	1	1.0	1.0