基于类别层次结构的多层文本分类样本扩展策略.pdfVIP

北京大学学报(自然科学版) 第 51卷 第 2期 2015年 3月 ActaScientiarum Naturalium UniversitatisPekinensis，Vo1．51，No．2(Mar．2O15) doi：10．13209~．0479—8023．2015．050 基于类别层次结构的多层文本分类样本扩展策略 李保利 河南工业大学计算机科学系，郑州 450001；E—mail：csblli@gmail．com 摘要 针对大规模多层文本分类训练样本获取代价高、类别分布不均衡等问题，提出并 比较几种基于类别层 次结构的大规模多层文本分类样本扩展策略，即利用类别层次体系中蕴含的类别名称 、描述以及类别间的层 次结构关系，从 内涵和外延两方面入手构造或扩展类别训练样本 。在首次大规模 中文新 闻信息多层分类评测 数据集上，基于外延的局部样本扩展策略取得较好 的性能。参测系统在第一级类别和第二级类别上宏平均 F1分别为 0．8413和 0．7l39，在 10个参赛系统 中位列第二 。 关键词 多层文本分类；大规模中文新闻分类；中文新闻信息分类；类别层次体系 中图