一种子空间聚类算法在多标签文本分类中应用.PDFVIP

第３１卷第８期　　　 计算机应用与软件 Ｖｏｌ３１Ｎｏ．８ ２０１４年８月　　 ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓａｎｄＳｏｆｔｗａｒｅ Ａｕｇ．２０１４ 一种子空间聚类算法在多标签文本分类中应用 于海鹏　翟红生 （河南工程学院计算机学院　河南郑州４５１１９１） 摘　要　　随着社交网络的兴起，文本数据不断增加，这使得自动化文本分类技术成为研究的热点。单个文本可能同时带有多个类 别标签，该特点直接导致传统的二分类或多类别分类技术在多标签文本数据上性能不佳。针对这一不足，提出一种基于半监督杂质 的子空间聚类分析算法ＳＣＡ（ｓｕｂｓｐａｃｅｃｌｕｓｔｅｒｉｎｇａｎａｌｙｓｉｓ），该算法分析在多标签环境下每一对分类和标签之间存在的潜在相关性。 并设计一种对分类文本数据更有效的多标签分类器。最后，实验对两个多标签文本集进行分析，结果表明该算法优于当前采用的其 他文本分类方法。 关键词　　文本数据　多标签　分类器　子空间聚类　杂质 中图分类号　ＴＰ３１１．１　　　　文献标识码　Ａ　　　　ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１０００３８６ｘ．２０１４．０８．０７２ ＡＰＰＬＹＩＮＧＡＳＵＢＳＰＡＣＥＣＬＵＳＴＥＲＩＮＧＡＬＧＯＲＩＴＨＭＩＮ ＭＵＬＴＩＬＡＢＥＬＴＥＸＴＣＬＡＳＳＩＦＩＣＡＴＩＯＮ ＹｕＨａｉｐｅｎｇ　ＺｈａｉＨｏｎｇｓｈｅｎｇ （ＳｃｈｏｏｌｏｆＣｏｍｐｕｔｅｒ，ＨｅｎａｎＩｎｓｔｉｔｕｔｅｏｆＥｎｇｉｎｅｅｒｉｎｇ，Ｚｈｅｎｇｚｈｏｕ４５１１９１，Ｈｅｎａｎ，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ　　Ｗｉｔｈｔｈｅｒｉｓｅｏｆｓｏｃｉａｌｎｅｔｗｏｒｋｉｎｇ，ｔｈｅａｍｏｕｎｔｏｆｇｅｎｅｒａｔｅｄｔｅｘｔｄａｔａｇａｉｎｓｉｎｃｒｅａｓｉｎｇｌｙ，ｔｈｉｓｍａｋｅｓｔｈｅａｕｔｏｍａｔｅｄｔｅｘｔｃｌａｓｓｉｆｉ ｃａｔｉｏｎｔｅｃｈｎｏｌｏｇｙｂｅｃｏｍｅｔｈｅｆｏｃｕｓｏｆｔｈｅｒｅｓｅａｒｃｈ．Ｓｉｎｇｌｅｔｅｘｔｆｉｌｅｍａｙｈａｖｅｍｕｌｔｉｐｌｅｃａｔｅｇｏｒｙｌａｂｅｌｓｓｉｍｕｌｔａｎｅｏｕｓｌｙ，ｔｈｉｓｆｅａｔｕｒｅｄｉｒｅｃｔｌｙｃａｕ ｓｅｓｃｏｎｖｅｎｔｉｏｎａｌｔｗｏｏｒｍｕｌｔｉｃａｔｅｇｏｒｙｃｌａｓｓｉｆｉｃａｔｉｏｎｔｅｃｈｎｉｑｕｅｓｐｅｒｆｏｒｍｐｏｏｒｉｎｔｅｘｔｄａｔａｗｉｔｈｍｕｌｔｉｌａｂｅｌ．Ｉｎｒｅｓｐｏｎｓｅｔｏｔｈｉｓｄｅｆｉｃｉｅｎｃｙ，ｗｅ ｐｒｏｐｏｓｅａｓｅｍｉｓｕｐｅｒｖｉｓｅｄｉｍｐｕｒｉｔｙｂａｓｅｄｓｕｂｓｐａｃｅｃｌｕｓｔｅｒｉｎｇａｎａｌｙｓｉｓａｌｇｏｒｉｔｈｍｎａｍｅｄＳＣＡ，ｉｔａｎａｌｙｓｅｓｔｈｅｐｏｔｅｎｔｉａｌｃｏｒｒｅｌａｔｉｏｎｅｘｉｓｔｉｎｇｂｅ ｔｗｅｅｎｅａｃｈｐａｉｒｏｆｃｌａｓｓｉｆｉｃａｔｉｏｎａｎｄｌａｂｅｌｉｎａｍｕｌｔｉｌａｂｅｌｅｎｖｉｒｏｎｍｅｎｔ．Ｗｅａｌｓｏｄｅｓｉｇｎａｍｕｌｔｉｌａｂｅｌｃｌａｓｓｉｆｉｅｒｍｏｒｅｅｆｆｅｃｔｉｖｅｏｎｔｈｅｃｌａｓｓｉｆｉｅｄ ｔｅｘｔｄａｔａ．Ｆｉｎａｌｌｙ，ｔｈｅｅｘｐｅｒｉｍｅｎｔｓｏｆａｎａｌｙｓｉｎｇｔｗｏｍｕｌｔｉｌａｂｅｌｔｅｘｔｓｅｔａｒｅｃａｒｒｉｅｄｏｕｔ，ｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅａｌｇｏｒｉｔｈｍｉｓｓｕｐｅｒｉｏｒｔｏｏｔｈｅｒｔｅｘｔ ｃｌａｓｓｉｆｉｃａｔｉｏｎｍｅｔｈｏｄｓｃｕｒｒｅｎｔｌｙｕｓｅｄ． Ｋｅｙｗｏｒｄｓ　　Ｔｅｘｔｄａｔａ　Ｍｕｌｔｉｌａｂｅｌ　Ｃｌａｓｓｉｆｉｅｒ　Ｓｕｂｓｐａｃｅｃｌｕｓｔｅｒｉｎｇ　Ｉｍｐｕｒｉｔｙ 传统的方法都试图将多标签问题转为多分类或二分类问 ０　引　言 题［２］，例如，假如在多标签问题中有Ｔ类标签时，能为每个分类 标签训练一