多类型分类器融合的文本分类方法研究

摘要：

传统的文本分类方法大多数使用单一的分类器,而不同的分类器对分类任务的侧重点不同,就使得单一分类方法有一定的局限性,同时每个特征提取方法对特征词的考虑角度不同.针对以上问题,提出了多类型分类器融合的文本分类方法.该模型使用了word2vec、主成分分析、潜在语义索引以及TFIDF特征提取方法作为多类型分类器融合的特征提取方法.在多类型分类器加权投票方法中忽略了类别信息的问题,提出了类别加权的分类器权重计算方法.通过实验结果表明,多类型分类器融合方法在二元语料库、多元语料库以及特定语料库上都取得了很好的性能,类别加权的分类器权重计算方法比多类型分类器融合方法在分类性能方面提高了1.19％.

关键词：文本分类、分类器融合、主成分分析、潜在语义索引

所属期刊栏目：36

分类号：TP301.6(计算技术、计算机技术)

资助基金：黑龙江省自然科学基金资助项目F201201

在线出版日期：2019-06-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：752-755