基于经验风险的中心文本分类算法.pdfVIP

第51卷第5期 吉林大学学报(理学版) V01．51No．5 of Edjtion) 2013 2013年9月 JournalJilinUniverSity(Science Sep 基于经验风险的中心文本分类算法 周晓堂，欧阳继红，李熙铭 (吉林大学计算机科学与技术学院，长春130012) 摘要：采用经验风险最小化归纳原则和梯度下降方法调整传统中心分类法的类别中心向量， 解决了传统中心分类法因忽略训练集文本权值因素而导致的类别中心向量表达能力较差问 题，得到了与支持向量机分类性能基本一致的一种改进的中心分类法．实验结果表明，该方 法是提高中心分类法分类性能的一种有效方法． 关键词：文本分类；中心分类法；经验风险最小化 文献标志码：A 文章编号：1671—5489【2013)05—0876一05 中图分类号：TP391．1 CentroidClassifierBasedon RiskforText Empirical ZHOU Ji-hong，LI Xia0_tang，0UYANGXi—ming 130012，[冼i行口) (CbZZPgPo，Cbm户“￡PrSfiP挖fP口行d丁≥f^行DZDgy，JiZi竹Lkit肥，．sil了，(冼n竹gf，I“，2 usedtofix riskminimizationinductive and descentmethodwere gradient Abstract：Empirical p“nciple intraditionalcentroid—basedtextclassificationsoasto the class—centroid—vectors algorithmsimprove ofclass—centroid—vectorsintraditionalcentroid—basedtextclassification poorexpressionability caused the factorsof texts．Then，an centroid- algorithmbyignoringweighting training improVed of basedtextclassificationwasobtained，the ofwhichisaswenasthose algorithm performance articleisan vectormachines． resultsshowthatthemethod inthis support Experimental adopted meanto the oftraditionalcentroid-basedtextclassificatio