基于類別閾值判斷的多標記文本分類研究.pdf

1、隨著海量數(shù)據(jù)量的增長,使得人們查找有用信息越來越難,速度也受到挑戰(zhàn),文本自動分類技術(shù)的研究也越來越受到人們的重視。文本自動分類方法很多,如:向量空間模型法、基于關(guān)聯(lián)的分類方法、簡單向量距離分類法、簡單的貝葉斯分類算法、支持向量機(SVM)、k近鄰算法(kNN)、詞表法分類等。目前對于這些算法的研究,都是在提高分類準確度的基礎(chǔ)上,盡量提高其時間效率。
　　 由于文本分類的不確定性,存在一個文本屬于多個分類的情況,多標記分類算法得到

2、廣大學者的重視。目前的多標記文本分類算法主要是以提高文本分類準確度和降低時間復雜度為目的,一方面優(yōu)化距離算法及將文檔聚類以減少時間消耗,另一方面則設(shè)計更為合適的分類方法提高分類的準確度。由于文本分類算法需要進行大量的計算,如何提高算法時間效率仍然是文本分類面臨的一個問題。如何能夠在提高時間效率的基礎(chǔ)上提高準確度也是研究重點之一。kNN算法因算法原理簡單、易于實現(xiàn)。在此大背景下,本文提出基于類別閾值判斷的kNN算法。
　　 本文提

3、出的基于類別閾值判斷的kNN算法運用FSkNN中的模糊相似度計算算法對文本進行聚類,縮小查找范圍,從而達到減小時間效率的目標。多標記閾值判斷算法根據(jù)訓練集中每個類別的隸屬度值分別計算其閾值大小,通過kNN算法找到測試文本的k個最近鄰。根據(jù)這k個最近鄰的標記向量,計算出測試文本對于每個類的隸屬度。如果隸屬度大于該類的判斷閾值,則將該類的標記置為1,否則為0。
　　 在多標記分類中,存在所有標記都為零的情況,意味著這個文本丟失了,本