基于信息瓶颈和拉普拉斯SVM 的Web 文档分类算法.pdfVIP

第 42 卷增刊 1  中南大学学报(自然科学版)  Vol.42  Suppl. 1  2011 年 9 月  Journal of Central South University (Science and Technology)  Sep. 2011  基于信息瓶颈和拉普拉斯 SVM 的 Web 文档分类算法 1,2  1  2  王自强  ，孙霞  ，钱旭  (1.  河南工业大学 信息科学与工程学院，河南 郑州，450001；  2.  中国矿业大学(北京) 机电与信息工程学院，北京，100083)  摘要：为 了有效地克服传统文档表示的高维性及利用大量的无标记样本数据来共同提高Web文档分类算法的分类 性能，提出了基于信息瓶颈和拉普拉斯 SVM 的Web文档分类算法。该算法首先利用基于信息瓶颈的词聚类方法 来抽取用于文档简洁表示的鉴别性特征，然后，再在降维后的低维特征空间利用拉普拉斯 SVM 分类器进行分类 判决。实验结果表明，该算法具有很好的分类性能。 关键词：数据挖掘；文档分类；信息瓶颈；拉普拉斯 SVM  中图分类号：TP18  文献标志码：A  文章编号：1672−7207(2011)S1−0731−06  Web document classification algorithm based on IB and LapSVM  1,2  1  2  WANG Zi­qiang  , SUN Xia , QIAN Xu  (1.School of Information Science and Engineering, Henan University of Technology, Zhengzhou 450001, China;  2. College of Mechanical Electronic and Information Engineering,  China University of Mining and Technology(Beijing), Beijing 100083, China)  Abstract: To effectively overcome the high­dimensionality of document representation and improve the performance of  Web document classification algorithm with a large amount of unlabeled data, the Web document classification algorithm  based  on  information  bottleneck  (IB)  and  Laplacian  support  vector  machine  (LapSVM)  was  proposed.  First,  the  information  bottleneck­based  word  clustering  algorithm  was  used  to  obtain  the  discrimination  feature  for  concise  document  representation,  then  the  LapSVM  classifier  was  applie