基于自适应加权的文本关联分类

被引：6

作者：

陈晓云 ^{[1
]}

胡运发 ^{[2
]}

机构：

[1] 福州大学数学与计算机科学学院

[2] 复旦大学计算机与信息技术系

来源：

小型微型计算机系统 | 2007年 / 01期

关键词：

数据挖掘; 关联分类; 规则加权; 样本加权;

D O I：

暂无

中图分类号：

TP391.1 [文字信息处理];

学科分类号：

081203 ; 0835 ;

摘要：

在文本关联分类研究中,训练样本特征词的分布情况对分类结果影响很大.即使是同一种关联分类算法,在不同的样本集上使用,分类效果也可能明显不同.为此,本文利用加权方法改善文本关联分类器的稳定性,设计实现了基于规则加权的关联分类算法(WARC)和基于样本加权的关联分类算法(SWARC).WARC算法通过规则自适应加权调整强弱不均的分类规则;SWARC算法则自适应地调整训练样本的权重,从根本上改善不同类别样本特征词分布不均的情况.实验结果表明,无论是WARC还是SWARC算法,经过权重调整后的文本分类质量明显提高,特别是SWARC算法分类质量的提高极为显著.

引用

页码：116 / 121

页数：6