基于随机森林的文本分类模型研究

摘要：

随着WWW的迅猛发展,文本分类成为处理和组织大量文档数据的关键技术.随机森林模型是决策树的集成,并且由一随机向量决定决策树的构造.当森林中决策树的数目增大,随机森林的泛化误差将趋向一个上界.将随机森林模型应用于文本分类,在Reuter21578数据集上的实验表明,分类效果比较好,性能比较稳定,将其同C4.5,KNN,SM0,SVM4种典型的文本分类器进行了比较,结果显示它的分类性能胜于C4.5,同KNN,SMO和SVM方法相当.

关键词： 文本分类 随机森林 决策树 泛化误差

作者: 张华伟 王明文 甘丽新

作者单位: 江西师范大学,计算机信息工程学院,江西,南昌,330022

会议类型: 国内会议

会议名称: 第四届全国搜索引擎和网上信息挖掘学术研讨会(SEWM2006)

会议地点: 济南

会议语种:中文

页码: 139-143

在线出版日期: 2006-07-21（万方平台首次上网日期，不代表论文的发表时间）