基于PU学习的建议语句分类方法

• 作者: 刘畅 张璞 李逍
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 建议挖掘 建议语句分类 PU学习 自编码器 多层感知机
• 年，卷（期）: 2019,（3）
• 所属期刊栏目: 人工智能
• 页码范围: 639-643
• 页数: 5页
• 分类号: TP391
• 字数: 7533字
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2018081759

摘要

建议挖掘作为一项新兴研究任务,具有重要的应用价值.针对传统建议语句分类方法所存在的规则复杂、标注工作量大、特征维度高、数据稀疏等问题,提出一种基于PU学习的建议语句分类方法.首先,使用简单规则从无标注评论集合中选择建议语句的正例集合;然后,为了降低特征维度,缓解数据稀疏性,在自编码神经网络(Autoencoder)特征空间中使用Spy技术划分可靠反例集合;最后,利用正例集合和可靠反例集合来训练多层感知机(MLP)对剩余的无标注样例进行分类.该方法在中文数据集上的F1值和准确率值分别达到81.98％和82.67％,实验结果表明,该方法能够有效地对建议语句进行分类,且不需要对数据进行人工标注.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张璞	重庆邮电大学计算机科学与技术学院	23	124	7.0	10.0
2	刘畅	重庆邮电大学计算机科学与技术学院	13	19	3.0	3.0
3	李逍	重庆邮电大学计算机科学与技术学院	3	4	1.0	1.0