- 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
- 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
非均衡文本分类中基于特征分布的抽样技术研究 *
1 1 2
张爱华 ,王斌 ,徐燕
1 中国科学院计算技术研究所,北京,100190
2 北京语言大学,北京,100083
E-mail: zhangaihua@
摘 要:在处理非均衡文本分类问题的诸多方法中,基于数据的方法最灵活,应用也最广泛。然而,传统
的基于数据的方法存在过学习、丢失有用信息及增加训练分类器时间成本等问题,本文提出一系列策略,
在一定程度上解决了上述问题。本文借鉴 SMOTE 算法提出的通过构造新的小类样本做 Over-Sampling 的
思路,独立处理各个特征维度,实现了真正的基于特征的抽样。使用对各类分布模拟能力最强的高斯混合
模型对小类中每个特征的权值分布建模,再依据该模型抽取新权值以进一步组合为新样本加入小类训练
集。该方法完全基于特征抽样,能够有效地避免过学习现象。同时,由于对特征的建模及抽样过程严格遵
守特征原始分布,构造的新样本质量高。实验结果表明,该方法效果良好,并显著好于 SMOTE 算法。
关键词:文本分类;非均衡;Over-Sampling ;基于特征的抽样技术;高斯混合模型
Feature-based Sampling for Imbalanced Text
Categorization
1 1 2
Zhang Aihua , Wang Bin , Xu Yan
1Institute of Computing Technology, Chinese Academy of Sciences, Beijing, 100190
2Beijing Language and Culture University, Beijing, 100083
E-mail: zhangaihua@
Abstract: Among all solutions to imbalanced text categorization, data level ones are the most flexible and most
widely used. However, traditional data level solutions may cause the problems of overfitting, losing useful
information or increasing the time complexity of training a classifier. This thesis aims to overcome these
problems. It uses the consideration that implementing over-sampling by constructing new instances of the
minority class from SMOTE for reference, but compared to SMOTE, we have implemented “true” feature-based
sampling by processing each dimension respectively. Gaussian Mixture Model, which is considered to be the
most capable to simulate various distributions, is chosen to model the distr
文档评论(0)