基于边界可信度相似的快速文本分类方法

doi:10.3778/j.issn.1002-8331.2009.04.044

计算机工程与应用 ›› 2009, Vol. 45 ›› Issue (4): 156-158.DOI: 10.3778/j.issn.1002-8331.2009.04.044

• 数据库、信号与信息处理 • 上一篇下一篇

基于边界可信度相似的快速文本分类方法

杨林波¹,王士同^1,2

1.江南大学信息工程学院，江苏无锡 214122
2.江南大学创新多媒体中心，江苏无锡 214122

收稿日期:2008-01-09 修回日期:2008-04-02 出版日期:2009-02-01 发布日期:2009-02-01
通讯作者: 杨林波

Fast text categorization approach based on similarities between text boundaries

YANG Lin-bo¹,WANG Shi-tong^1,2

1.School of Information，Jiangnan University，Wuxi，Jiangsu 214122，China
2.Creative Multimedia Center，Jiangnan University，Wuxi，Jiangsu 214122，China

Received:2008-01-09 Revised:2008-04-02 Online:2009-02-01 Published:2009-02-01
Contact: YANG Lin-bo

摘要/Abstract

摘要： 类别的中心和边界是类别的重要特征.利用训练样本的中心和边界作为分类准则，提出了一种基于边界可信度相似的快速文本分类算法。通过类别边界可信度调整文本与类别的相似性，克服了数据集类别间样本分布不均衡和类别中样本密度不均的缺点，提高了分类性能。实验结果表明该算法提高了文本分类的效果，显示出了较好的鲁棒性，并显著提高了文本分类效率。

关键词: 文本分类, 相似度, 快速分类

Abstract: Center and boundaries are important characters of a class in text analysis.Using the center and boundaries as the criterion for text categorization，a fast text categorization approach based on the similarities between boundaries had been presented in this paper.By adjusting the similarity of a text to its class based on the similarity of the boundaries，the disadvantages of the imbalance of the classes and the distribution of the samples can be overcome such that the performance of text categorization may be enhanced.The experimental results demonstrate the advantage of the proposed approach in accuracy and robustness，especially in speed.

Key words: text categorization, similarity, fast categorization

杨林波¹,王士同^1,2. 基于边界可信度相似的快速文本分类方法[J]. 计算机工程与应用, 2009, 45(4): 156-158.

YANG Lin-bo¹,WANG Shi-tong^1,2. Fast text categorization approach based on similarities between text boundaries[J]. Computer Engineering and Applications, 2009, 45(4): 156-158.

[1]	张岐山，陈露露. 基于均衡接近度灰关联的Slope One算法[J]. 计算机工程与应用, 2021, 57(9): 96-102.
[2]	王永贵，李倩玉. 基于KNN-GBDT的混合协同过滤推荐算法[J]. 计算机工程与应用, 2021, 57(9): 103-108.
[3]	张松灿，普杰信，司彦娜，孙力帆. 基于种群相似度的自适应改进蚁群算法及应用[J]. 计算机工程与应用, 2021, 57(8): 70-77.
[4]	张晓闻，任勇峰. 结合稀疏表示与拓扑相似性的图像匹配算法[J]. 计算机工程与应用, 2021, 57(8): 198-203.
[5]	杨芳，尹曦，司建辉，刘宏媛，汪雪. 基于侧重点聚类的数学表达式相似度计算方法[J]. 计算机工程与应用, 2021, 57(6): 88-93.
[6]	黄金杰，蔺江全，何勇军，何瑾洁，王雅君. 局部语义与上下文关系的中文短文本分类算法[J]. 计算机工程与应用, 2021, 57(6): 94-100.
[7]	霍光煜，张勇，孙艳丰，尹宝才. 基于语义的档案数据智能分类方法研究[J]. 计算机工程与应用, 2021, 57(6): 247-253.
[8]	钱芸芸，杨文忠，姚苗，李海磊，柴亚闯. 融合主题相似度权重的主题社区发现模型[J]. 计算机工程与应用, 2021, 57(5): 107-114.
[9]	郑诚，董春阳，黄夏炎. 基于BTM图卷积网络的短文本分类方法[J]. 计算机工程与应用, 2021, 57(4): 155-160.
[10]	贺文亮，朱敏玲. 胶囊神经网络研究现状与未来的浅析[J]. 计算机工程与应用, 2021, 57(3): 33-43.
[11]	田维安，陈红梅，周丽华. 基于相似用户好奇心的多样性推荐方法[J]. 计算机工程与应用, 2021, 57(23): 113-121.
[12]	滕金保，孔韦韦，田乔鑫，王照乾，李龙. 基于CNN和LSTM的多通道注意力机制文本分类模型[J]. 计算机工程与应用, 2021, 57(23): 154-162.
[13]	武书钊，李功权，卜明伟. 基于知识图谱的自杀倾向检测问答系统构建[J]. 计算机工程与应用, 2021, 57(22): 304-312.
[14]	梁田，曹德欣. 基于莱维飞行的改进简化粒子群算法[J]. 计算机工程与应用, 2021, 57(20): 188-196.
[15]	李铁飞，生龙，吴迪. BERT-TECNN模型的文本分类方法研究[J]. 计算机工程与应用, 2021, 57(18): 186-193.

基于边界可信度相似的快速文本分类方法

Fast text categorization approach based on similarities between text boundaries

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics