一种融合本体和上下文的自适应层次分类模型

摘要：

提出一种新的自适应层次分类(HAC)模型,通过本体对特征集进行语义扩展,并以增量形式在层次模型中构建特征上下文和类别相关上下文,以辅助实现一种高效、无阻滞的层次分类. 实验结果证明,模型HAC具有相对更好的分类性能,而且分类速度更快,有利于实现实时在线的文档分类.

关键词：增量学习、上下文、本体、层次分类

所属期刊栏目：29

分类号：TP181(自动化基础理论)

资助基金：国家自然科学基金资助项目604003009;重庆市自然科学基金资助项目2005BB2224

在线出版日期：2009-12-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：885-889