面向制造领域文本的多标签分类方法.pdfVIP

孙!莲d句忡lb 面向制造领域文本的多标签分类方法 A multl.label cla..lflcatlon methocl for manufacturlng-text 杨莹，王庆文 YANG Ying, WANG Qing-wen (北京航空航天大学，北京 100191 ) 摘 要g 扪，械市~领域存在大量的领域知识，这些领域知识精特征顶与文本类剧关联起来，青由于区分 文本的类剔。墓于此，本文提出一种融合领域知识的多标m分类万法旨在提高机幡制造领域 文本的分类性能，读万法首先来用融合领域知识的对统计特征选择万法得到文革表示特征服集 合相对囚的相关庭矩阵R， R反映了各特征顶与美剔的相关匮$然后将文本是否包合襄樊剧标 篮这-事件和文革与读类剧的精英庭关联且来，文本与读类到相关虚视作特征服与该类剧相 关匪的集罩，真相关庭越大，文本包合读英剧标蟹的概率也越大，统计文本各类剧相关度的 贡献辈，根据最大后勤辄率准则推理文本类剧标签集合。在3个多标查分类常用评测指标下的 实验结果表明:与MLKNN万法避行对比，对于机械帘~领域文本，融合领域知识的事标篮分 类万法奥青更好的分类性能。 关键饲g 机械制造领域$领域知识$相关厦$多标篮s 文本分类 申给冀.， TP391.1 立融标识码:A 文章编号， 1009-0134(2016)02-0010-05 0 引盲 相比. MLKNN方法具有无需学习，实现简单，分类性 随着互联网和信息技术的快速发展，互联网数据 能好的特点，为此， 许多学者在其基础上展开于进一步 量剧增，有研究表明，文本信息这一类非结构化数据占 研究。张敏灵后来针对MLKNN未考虑标签间的相关性 了互联网数据的50%以上，因此，对文本信息的处理显 的不足提出一种新型多标记懒惰学习算法IMLLA. 这种 得尤为重要。文本分类是对文本进行有效管理的一种方 方法在对文本每个类别进行预测时利用了蕴含于其他类 式，方便用户进行查询、定位信息等，同时文本分类也 别中的信息，充分考察了多个标签的相关性问。 Ruben 是信息检索，信息过滤，数据挖掘等相关领域的技术基 Nicolas提出了一种基于案例推理学习的多标签分类方 础I飞机械制造领域研究的内容非常广泛，包括材料分 法MLαR， MLCBR基于案例推理学习近邻样本标签重 析，制造加工，车间管理调度，机构设计应用，检测监 用概率的阙值，使用近邻样本标签的分布概率推理文本 控等，各研究内容不完全独立，存在着交叉研究，因此 的类别标签集合，与阳.KNN相比，其算法复杂度低且 5 对机械制造领域的文本进行分类时，文本可能包含多个 分类性能相当1 1. Everton AlvaresCherman采用阳.KNN 类别标签。基于此，本文将对面向机械制造领域文本的