基于主题本体扩展特征的短文本分类

被引：4

作者：

湛燕

陈昊

机构：

[1] 河北大学数学与计算机学院,河北省机器学习与计算智能重点实验室

来源：

河北大学学报(自然科学版) | 2014年 / 34卷 / 03期

关键词：

短文本分类; 主题本体; 案例维护;

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：

短文本具有不同于普通文本的独有特点,例如文本长度较短,特征选择分散不一,这使得短文本文类需要处理这些特殊的问题.本文使用了基于主题本体的特征扩展方法,考虑了特征之间的语义关联,达到了较好的分类性能.同时,通过GC(扩展能力)算法使用了案例维护学习,在K-近邻算法中减少样例个数,从而可以提高搜索近邻样例的效率.数值型实验证明了这种学习算法的有效性.

引用

页码：307 / 311

页数：5

共 7 条

[1] 一种基于WordNet的短文本语义相似性算法 [J].

翟延冬 ;

王康平 ;

张东娜 ;

黄岚 ;

周春光 .

电子学报, 2012, 40 (03) :617-620

[2] 短文本信息流的无监督会话抽取技术 [J].

黄九鸣 ;

吴泉源 ;

刘春阳 ;

张旭 ;

贾焰 ;

周斌 .

软件学报, 2012, 23 (04) :735-747

[3] 大规模短文本的不完全聚类 [J].

彭泽映 ;

俞晓明 ;

许洪波 ;

刘春阳 .

中文信息学报, 2011, 25 (01) :54-59

[4] 基于频繁词集聚类的海量短文分类方法 [J].

王永恒 ;

贾焰 ;

杨树强 .

计算机工程与设计, 2007, (08) :1744-1746+1780

[5] 一种高性能的两类中文文本分类方法 [J].

樊兴华 ;

孙茂松 .

计算机学报, 2006, (01) :124-131

[6] Machine learning in automated text categorization [J].

Sebastiani, F .

ACM COMPUTING SURVEYS, 2002, 34 (01) :1-47

[7]

Possibility and Evidence Theory Based Design Optimization:a Survey .2 Haofeng Liang. Seventh International Conference on Fuzzy Systems and Knowledge Discovery . 2010

← 1 →