基于样本差异性的关联文本分类

摘要：

在关联文本分类算法ARC-BC中，往往采用人工收集训练样本的方法，由于人工方法的主观不确定性使得收集到的训练样本的质量有差异，使得分类器的分类效果受到影响。本文提出了一种根据训练样本偏离“真实类中心”的程度——离心度，给训练样本赋予权值的算法WS-ARC-BC(Weighted SampleARC-BC)，提高分类器的稳定性，从而提高分类器的分类效果。实验表明，该算法能够有效提高分类效果。

关键词： 关联文本分类 样本 差异性 权重

作者: 林堃 白清源 谢丽聪 谢伙生 张莹

作者单位: 福州大学数学与计算机科学学院,福州,350002

会议类型: 国内会议

会议名称: 第三届全国信息检索与内容安全学术会议

会议地点: 苏州

会议语种:中文

页码: 137-143

在线出版日期: 2007-11-01（万方平台首次上网日期，不代表论文的发表时间）