文本分類中不平衡數(shù)據(jù)的處理.pdf

1、　　隨著計算機軟硬件技術(shù)的飛速發(fā)展，計算機的各種應(yīng)用已經(jīng)深入到我們?nèi)粘Ｉ畹拿恳粋€角落.生活中大量的電子文本使得人們難以對其進(jìn)行整理，因為傳統(tǒng)的信息檢索方法只針對于以紙張存儲的信息，對電子文本的存儲格式則無用武之地.于是學(xué)者開始運用各種機器學(xué)習(xí)、數(shù)據(jù)挖掘的方法對電子文本進(jìn)行處理，以便人們對其進(jìn)行檢索，從中搜尋有用信息.在各種相關(guān)的研究中，文本分類(TextCategorization)是學(xué)者研究的一個熱點.　　文本分類的方法很多，諸如

2、樸素貝葉斯分類方法、決策樹分類方法、基于實例的分類方法、支持向量機分類方法等.評價分類方法的好壞會使用分準(zhǔn)率(Precision)、分全率(Recall)、F1值或是使用它們的均值.在以往的大部分文本分類論文中，學(xué)者傾向于使用F1的微觀均值.使用F1微觀均值可以從總體上綜合評價分類器的分類效果，但是掩蓋了少數(shù)類分類精度低的問題.因為在少數(shù)類只占很小比重的文本分類應(yīng)用中，F(xiàn)1微觀均值與多數(shù)類的F1值只會有很小的差別，而多數(shù)類的F1值往往都