基于極限學習機的XML文檔分類的研究與實現(xiàn).pdf

1、XML文檔作為一種半結構化數(shù)據(jù)格式，在數(shù)字化信息時代扮演了重要的角色。XML文檔天然的支持自定義結構化的信息表達，已經(jīng)在金融、生物醫(yī)學等領域被廣泛的應用。如何對XML進行有效的管理是當前比較熱門的研究方向之一。本文針對XML文檔的分類問題進行了深入的研究和討論，并設計一套XML文檔的分類方案。
　　本文首先針對XML文檔表達模型設計了分布結構向量模型DSVM(DistributedStructured Vector Model)，

2、該模型改善了傳統(tǒng)的向量空間模型VSM(Vector Space Model)中計算TFIDF值時的缺陷，充分考慮了文檔的類別分布信息，并對XML文檔的結構信息進行了優(yōu)化，使得DSVM模型能夠同時具有較高的XML文檔的語義信息和結構信息的表達能力。其次，本文設計了基于投票機制的極限學習機優(yōu)化算法v-ELM（voting-ELM），利用OAO(One-against-one)的思想，將一個多分問題降解為多個二分問題，其中每兩個類別形成一個二

3、分分類器，專門用于訓練這兩類的訓練文檔。但是這種設計的分類器會產(chǎn)生投票結果上的問題。本文針對相同最大得票數(shù)這一情況，設計了針對相同最大得票數(shù)的重投票算法REV(Revoting of Equal Votes)和針對相同最大得票數(shù)的基于概率的重投票算法p-REV（Probability Based Revoting of Equal Votes）。這兩個后處理方法分別使用常規(guī)和基于概率的重投票算法對分類結果重新進行決策。本文還針對混淆類問

4、題設計了針對混淆類的重投票算法RCC(Revoting of Confusing Classes)，對投票結果屬于混淆類的結果進行重新決策，以進一步提高分類性能。
　　從本文設計的一系列實驗的結果可以看出，本文提出的DSVM模型在XML文檔表達能力方面有了較大的提升，采用p-REV和RCC后處理方法的v-ELM算法雖然相比ELM算法犧牲了一定的訓練時間，但仍舊遠遠優(yōu)于傳統(tǒng)后傳神經(jīng)網(wǎng)絡，并且在分類的準確率等方面的性能超過了ELM、支