一种具有主次标签的多标签文本分类方法.pdfVIP

一 种具有主次标签的多标签文本分类方法 李 晓 (北京理工大学计算机学院，北京，100081) 摘要 ：在 自然语言文本分类处理领域中，各种主流的多标签分类方法都只能使文本具有多个标签类别，但并不能识别哪个标 签对使用者来说最重要，哪些标签次重要。本文 以文本信息为研究对象，通过对几种主流多标签分类算法原理的研究分析， 提出了能识别主、次标签的多标签文本分类方法 一具有主次标签的多标签分类方法(Multi—LabelsTextClassifierwith PrimaryandSecondaryLabels：MLTCPSL)。 关键词 ：文本分类 ；主、次标签 ；MLTCPSL Amajorlabelmultilabeltextcategorizationmethod LiXiaO (SchoolofComputerTechnology，BeijingInstituteofTechnology，Beijing，100081) Abstract：ThiSpaper takethe textastheobjectofstudy，through theresearch of severalmainstreammulti label classification algorithm analysis， put forward to the identification of the main，secondary label multi label text classification methodswith primary and secondary labelmulti label classification method (Multi—LabelSTextClassifierwithPrimaryandSecondaryLabels：MLTCPSL)． Keywords：text classification：principal：time tag：MLTCPSL 0 引言 题。但是与常见的多类多标签分类问题相比，它还具有以下特点： (1)每个文本添加的多个标签有主次之分，且数量有别。主标 多标签文本分类问题的研究对海量文本信息迅速分流，协助 签有且只有一个，次标签可有可无、数量不限。而在常规多类多标 信息用户检索并准确定位所需信息，解决信息杂乱等问题都有着 签分类 问题中，标签之间并无区别。 十分重要的意义，但现有的多标签分类方法虽然把信息分到了多 (2)添加主次标签时使用的评价标准不一致。为更好地对文 个类别中，却无法识别那个标签对用户来说是最重要的，那些是 本进行处理，通常必须选定一个文本主类别，也就是说，添加主标 次重要的。例如 ：一篇关于中国和美国篮球赛的文章，可 以分到 签要准确 ；同时，该文本涉及信息面可能较广，所 以还要保证文 中国和美国两个类别里，如果这篇文章重点谈的是中国队的训练 本处理的全面性，也就是说，添加次标签要全，尽量不要遗漏。因 和备战，那它的主类别就是中国，次类别是美国，如果用户查询中 此，在区分主次标签时，不能象常规多类多标签分类问题采用查 国这个关键词就可以显示这篇文章，如果用户查询美国这个关键 准率和查全率均衡的评价方法，而是需在区分主标签时以查准率 词就可以把这篇文章放到检索结果靠后的位置，因为它只是次要