基于DW-TCI的半监督文本分类方法研究

摘要：

[目的]对只有少量标注的文本进行高效率的分类,提出一种新的半监督文本分类方法.[方法]提出DW-TCI半监督文本分类方法,通过使用双通道的特征提取方式得到基分类器组的两组特征输入向量,并引入基于分歧的半监督分类方法和集成学习的思想,将无监督共识结果样本引入模型训练,最后通过等值加权投票法得到预测文本的分类结果.[结果]在两个不同的数据集下,DW-TCI方法使用20％有标签样本训练时,分类精度分别达到92.32％和87.01％,对比其他半监督分类方法最少分别提升5.54％和5.65％.[局限]使用的数据集数量较少,未在更多的数据集上进行验证.[结论]DW-TCI方法可以大幅减少对训练样本的标注,为服务商进行高效的文本分类提供了有效支持.

关键词：半监督分类、样本分歧、分类器分歧、集成学习

所属期刊栏目：4

分类号：TP391(计算技术、计算机技术)

资助基金：本文系国家自然科学基金项目“基于制造大数据的产品研发知识集成与服务机制研究”;过程优化与智能决策教育部重点实验室开放课题的研究成果之一

在线出版日期：2021-02-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：58-69