基于相异性空间和多分类器融合的文本分类方法

摘要：

提出了基于相异性表征和多分类器融合的文本分类方法.首先,文档特征向量通过不同的相异性表征变换词袋法获得低维表示形式;然后,为了避免最优表征集的搜索陷入局部最优,对多分类器的响应进行合并,并在不同的相异性空间上训练数据.最后,在测试阶段,通过表征变换的多个分类器融合获得分类结果.多个数据库的实验结果表明了所提方法的有效性.与其他方法相比,所提方法在微观平均F1得分和宏观平均F1得分表现较优,准确率和稳定性较好.

关键词：词袋法、相异性表征、多分类器融合、低维表示、局部最优

所属期刊栏目：40

分类号：TP391(计算技术、计算机技术)

资助基金：南京农业大学中央高校基本科研基金项目SPKT2014014

在线出版日期：2020-05-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：136-141