基于改进三体训练法的半监督专利文本分类方法

• 作者: 余秀 武建伟 胡云青 邱清盈
• 来源期刊: 浙江大学学报（工学版）
• 学科: 工学
• 关键词: 专利文本分类 特征选择 信息增益 半监督 三体训练算法
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 计算机技术、信息工程
• 页码范围: 331-339
• 页数: 9页
• 分类号: TP391|TH122
• 字数: 8780字
• 语种: 中文
• DOI: 10.3785/j.issn.1008-973X.2020.02.014

摘要

针对信息增益算法只能考察特征对整个系统的贡献、忽略特征对单个类别的信息贡献的问题,提出改进信息增益算法,通过引入权重系数调整对分类有重要价值的特征的信息增益值,以更好地考虑一个词在类别间的分布不均匀性.针对传统专利自动分类中训练集标注瓶颈问题,提出基于改进三体训练算法的半监督分类方法,通过追踪每次更新后的训练集样本类别分布来动态改变3个分类器对同一未标记样本类别的预测概率阈值,从而在降低噪音数据影响的同时实现对未标记训练样本的充分利用.实验结果表明,本研究所提出的分类方法在有标记训练样本较少的情况下,可以取得较好的自动分类效果,并且适当增大未标记样本数据可以增强分类器的泛化能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	邱清盈	浙江大学机械工程学院	30	317	11.0	17.0
2	武建伟	浙江大学机械工程学院	17	187	8.0	13.0
3	胡云青	浙江大学机械工程学院	1	0	0.0	0.0
4	余秀	浙江大学机械工程学院	1	0	0.0	0.0