Web文本分类中的几种阈值策略分析与比较.docVIP

Web文本分类中的几种阈值策略分析与比较 李子久 摘 要 本文主要针对中文网页,分析比较了文本分类中的关于类别阈值的几种策略,分别是: 位置截尾法（RCut）、比例截尾法（PCut）） （1） （2） 是类别数量，代表类别，是类别的先验概率，可以通过公式（2）计算得到。 PCut考虑到了全局的分类性能，主要以x为参数，它的值可以通过分类的准确程度来调整，这种确定方法类似于RCut中t值的确定方法。目前，一些分类器，如：贝叶斯、DTree、kNN和LLSF等方法采用了PCut阈值策略[3]。 2.3最优截尾法（SCut） SCut针对某一类别，计算所有测试文本与该类别的相似度。根据最优化该类别分类器的性能来调整相应的阈值，然后将确定的阈值应用到新的待分类文本上。RCut和PCut阈值策略是平均所有分类器的性能，采用t或x作为参数；而SCut只优化某一类别的性能，并不保证所有类别分类结果达到最优。SCut多被用于Ripper、FOIL、Winnow、EG、kNN、LLSF和Rocchio等分类算法[4]。 2.4改进型截尾法（RTCut） 文献[1]中提出了一种新的阈值策略，即改进型