iRIPPER_一种改进的基于规则学习的文本分类算法.pdfVIP

　第 42 卷 　第 11 期 ( ) 2007 年 11 月 　 山　东 　大 　学 　学 　报 　 理 　学 　版 　 　 　 　 　 　Vol . 42 　 No . 11 ( ) 　 　 　 　 　 Nov. 2007 　 Journal of Shandong University Natural Science 　文章编号 (2007) iRIPPER ———一种改进的基于规则学习的 文本分类算法 袁晓航 ,杜小勇 ( 中国人民大学 　信息学院 , 北京 　100872) 摘要 :基于规则学习的文本分类算法 RIPPER 具有易理解 、易优化 、高效率等特点 ,但是当规则所涉及的特征项很 多的时候 ,上述优点不复存在 。基于层次的规则学习算法 hRIPPER 采用了层次架构对 RIPPER 进行了改进 ,但其 对特征项的过滤仍然有限。针对 RIPPER ,hRIPPER 在规则学习过程中出现的问题 ,对规则学习的分类算法进行改 进 ,提出了一种改进的基于规则学习的文本分类算法 iRIPPER ,在规则学习的同时进一步过滤噪音特征项 。实验 证明 ,该方法不但有效地提取了特征项 ,生成较少的规则 ,提高了算法的准确率和召回率 ,而且缩短了生成规则的 时间 ,从而改进了规则学习分类算法的性能 。 关键词 : 文本分类 ;RIPPER ;hRIPPER ;层次特征选择 ;噪音特征项 ;过滤 中图分类号 : TP301. 6 　　　文献标志码 :A iRIPPER : an improved rulebased text categorization algorithm YUAN Xiaohang , DU Xiaoyong ( School of Information , Renmin University of China , Beijing 100872 , China) Abstract : The rulebased text categorization algorithm RIPPER was specialized with easy understanding , quick optimization , and high efficiency. However , when the rule refers to too many features , not only were the above advantages apparently weakened , but also the performance of the algorithm decreases. The hierarchybased hRIPPER though uses hierarchical feature selection and can still not filter features fully. Then an improved text categorization algorithm iRIPPER was proposed to solve the problems in the learning process of RIPPER and hRIPPER , which filters features more thoroughly during the learning process. The