分层特征计算和错误控制的层次分类方法.pdfVIP

第 37卷第 10 期 2010 年 10 月 计算机科学 Cornputer Science Vol. 37 No. 10 Oct 2010 分层特征计算和错误控制的层次分类方法 提碧旦在李涓子金鑫 (清华大学计算机系 北京 100084) 摘要 中文新闻信息分类标准中，类别数量大.在将其应用于新闻分类时，会出现训练模型大、训练时间长，尤其是 当部分类别改变时常姿全部重新训练等问题。由于分类标准中类别之间房在层次关系，因此层次分类方法可以作为 解决方案，研究层次化的中文新闻分类方法，并从以下两方面改品层次化分类方法的效采:1)分层的新闻特征计算， 解决了层次分类中新闻在分类类别下的特征向寰的不同表示的问题;2)错误控制，解决了在上一层分类错误的情况下 新闻不会分到正确的类 IJ J:.的情况。实验结果表明，层次分类方法的效采比平面分类的准确皮提高了约 4%.进行多 次特征权重计算的层次分类方法比普通的层次分类的准确度提高了约 3%. 问时进行错误控制的分类效果比普通层 次的分类效果提高了大概 3%. 提键词 层次分类，支持向最机，中文信息分类标准，特征计算，错误控制 中圈法分费号 TP31l )c献标识码 A Hierarchical Classification Approach of Hierarchical Feature Selection and EITOr Control WUBí啕才卡j川un LI Juar什1-γ⑤ω刽⑤ (De沁P归ar此tm阳nen时E吭t of C臼om即pu川te盯r Sc创ciencωe . Te倪chnω010嗨gy扣.Ts刊剑i吨n鸣1啄ghU8 Uni川】n川川i忖v刊ersi均ty.B坠阳ei泌j川in鸣1啄.g 1ω00∞08创4. Cαhina) Absb功.ct There are thousands of subjects ín Chínese news subject specification. When they are used in news classifíca- tion.long trainíng time and large mode! are two key problems we are facing. especíally when some of classes are changed. Chínese news subject classification has hierarchical structure and hierarchical can solve the problem partially. We improved the Chinese news hierarchical classification to get better the result from two 阳ints of view. 1) Repetitíous feature calculation represents news of different layers in hierarchical classification. 2) Use error control to solve the problem that one error c1assìfìcation in upper layer wiIl lead in the error classìfication of its deeper classes. Our experi- ments shows that hierarchìcal classífìcation ímproves the precision of 4 % comparing wíth flat classification. hierarchical classification with Repetítious feature calculation improves 3 %∞mparing with hierarchical classification,and hierarchi- cal classificatíon with errorωntrol improves 3% comparing with hierarchícal c!assifícatíon. Keywor咖 Hìerarchìcal classificatìon.Support vector machíne,Chìnese news subject classifíc低ion specification, Feature calculation, Error control 1 引言 在当今信息爆炸的时代，人们每