基于半監(jiān)督學(xué)習(xí)的文本分類算法研究.pdf

1、信息技術(shù)和網(wǎng)絡(luò)技術(shù)的發(fā)展的同時也帶來了信息海量增長，因此如何將信息有效的分類以便人們更加高效的利用信息是一項艱巨的任務(wù)。文本形式的信息廣泛應(yīng)用于信息檢索、文本數(shù)據(jù)庫、數(shù)字圖書館、垃圾郵件識別、信息過濾和微博主題挖掘這些貼近人們生活的領(lǐng)域中。
　　本文以中文文本分類領(lǐng)域為背景，首先分析了中文文本分類領(lǐng)域的發(fā)展現(xiàn)狀，針對現(xiàn)階段存在的問題，改進(jìn)了基于半監(jiān)督學(xué)習(xí)的中文文本分類算法。改進(jìn)后的文本分類算法彌補(bǔ)現(xiàn)有文本分類算法的缺陷，并發(fā)揮半監(jiān)

2、督學(xué)習(xí)在少量訓(xùn)練樣本下訓(xùn)練的優(yōu)勢：可以在盡量保持分類算法的分類正確率的前提下，減少文本分類過程中人工的參與。本文的基于半監(jiān)督學(xué)習(xí)的中文文本算法具有如下幾個特點(diǎn)：引入基于密度的聚類算法，并將主題類別數(shù)目自確定問題映射到基于密度聚類的類別數(shù)目確定問題中，使用基于密度的聚類算法OPTICS對文本向量進(jìn)行聚類從而確定類別數(shù)目；使用LDA主題模型作為聚類器，利用其計算結(jié)果自動對樣本進(jìn)行標(biāo)記，解決了有標(biāo)簽訓(xùn)練樣本獲取問題；在Tri-Training