基于无标记Web数据的层次式文本分类

摘要：

传统的文本分类方法需要标注好的语料来训练分类器，然而人工标记语料代价高昂并且耗时。对此，通过无类别标记的Web数据来训练文本分类器，提出一种基于无标记Web数据的层次式文本分类方法，该方法结合类别知识和主题层次信息来构造Web查询，从多种Web数据中搜索相关文档并抽取学习样本，为监督学习找到分类依据，并结合层次式支持向量机进行分类器的学习。实验结果表明，该方法能够利用无标记Web数据学习分类器，并取得了较好的分类效果，其性能接近于有标记训练样本的监督分类方法。

关键词：层次式文本分类、主题层次、无标记数据分类、支持向量机

分类号：TP181(自动化基础理论)

资助基金：国家“863”计划资助项目2010AA012505，2011AA010702，2012AA01A401，2012AA01A402；国家重点基础研究发展计划资助项目2013CB329601，2013CB329602；国家自然科学基金资助项目60933005，91124002；国家科技支撑计划资助项目2012BAH38B04；国家242信息安全计划资助项目2011A010．

在线出版日期：2014-07-23（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：330-335