基于背景知识和主动学习的文本挖掘技术研究-计算机应用与软件.PDFVIP

第３０卷第５期　　　 计算机应用与软件 Ｖｏｌ３０Ｎｏ．５ ２０１３年５月　　 ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓａｎｄＳｏｆｔｗａｒｅ Ｍａｙ２０１３ 基于背景知识和主动学习的文本挖掘技术研究 符 保 龙 （柳州职业技术学院　广西柳州５４５００６） 摘　要　　为了达成好的文本分类和文本挖掘效果，往往需要使用大量的标识数据。然而数据标识不但操作复杂，而且成本昂贵。 为此，在基于支持向量机的分类技术框架下，在文本分类和文本挖掘中引入未标识数据，具体的执行通过基于背景知识和基于主动 学习两种方法展开。实验结果表明，基于背景知识的文本挖掘方法在基线分类器性能较强的情况下可以发挥优秀的文本挖掘性能， 而基于主动学习的文本挖掘方法在一般的情况下就可以改善文本挖掘的性能指标。 关键词　　文本挖掘　支持向量机　主动学习　背景知识 中图分类号　ＴＰ３９１　　　　文献标识码　Ａ　　　　ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１０００３８６ｘ．２０１３．０５．０７８ ＲＥＳＥＡＲＣＨＯＮＴＥＸＴＭＩＮＩＮＧＢＡＳＥＤＯＮＢＡＣＫＧＲＯＵＮＤＫＮＯＷＬＥＤＧＥＡＮＤ ＡＣＴＩＶＥＬＥＡＲＮＩＮＧ ＦｕＢａｏｌｏｎｇ （ＬｉｕｚｈｏｕＶｏｃａｔｉｏｎａｌＴｅｃｈｎｏｌｏｇｉｃａｌＣｏｌｌｅｇｅ，Ｌｉｕｚｈｏｕ５４５００６，Ｇｕａｎｇｘｉ，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ　　Ｉｎｏｒｄｅｒｔｏａｃｈｉｅｖｅｇｏｏｄｅｆｆｅｃｔｉｎｔｅｘｔｃｌａｓｓｉｆｉｃａｔｉｏｎａｎｄｔｅｘｔｍｉｎｉｎｇ，ｔｈｅｒｅｏｆｔｅｎｎｅｅｄｓｔｏｕｓｅａｌａｒｇｅｎｕｍｂｅｒｏｆｌａｂｅｌｌｅｄｄａｔａ． Ｈｏｗｅｖｅｒ，ｔｏｌａｂｅｌｄａｔａｉｓｕｓｕａｌｌｙｃｏｍｐｌｅｘｉｎｏｐｅｒａｔｉｏｎａｎｄａｌｓｏｅｘｐｅｎｓｉｖｅ．Ｔｈｅｒｅｆｏｒｅ，ｉｎｔｈｉｓｐａｐｅｒｗｅｉｎｔｒｏｄｕｃｅｔｈｅｕｎｌａｂｅｌｌｅｄｄａｔａｔｏｔｅｘｔ ｃｌａｓｓｉｆｉｃａｔｉｏｎａｎｄｔｅｘｔｍｉｎｉｎｇｉｎｔｈｅｆｒａｍｅｗｏｒｋｏｆｓｕｐｐｏｒｔｖｅｃｔｏｒｍａｃｈｉｎｅｂａｓｅｄｃｌａｓｓｉｆｉｃａｔｉｏｎｔｅｃｈｎｏｌｏｇｙ．Ｔｈｅｓｐｅｃｉｆｉｃｉｍｐｌｅｍｅｎｔａｔｉｏｎｉｓｃａｒ ｒｉｅｄｏｕｔｔｈｒｏｕｇｈｔｗｏｍｅｔｈｏｄｓ，ｔｈｅｂａｃｋｇｒｏｕｎｄｋｎｏｗｌｅｄｇｅｂａｓｅｄａｎｄｔｈｅａｃｔｉｖｅｌｅａｒｎｉｎｇｂａｓｅｄ．Ｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅｔｅｘｔｍｉｎｉｎｇ ｂａｓｅｄｏｎｂａｃｋｇｒｏｕｎｄｋｎｏｗｌｅｄｇｅｃａｎｂｒｉｎｇｔｈｅｔｅｘｔｍｉｎｉｎｇｐｅｒｆｏｒｍａｎｃｅｉｎｔｏｅｘｃｅｌｌｅｎｔｐｌａｙｕｎｄｅｒｔｈｅｃｏｎｄｉｔｉｏｎｏｆｓｔｒｏｎｇｅｒｂａｓｅｌｉｎｅｃｌａｓｓｉｆｉｅｒ， ｗｈｉｌｅｔｈｅｔｅｘｔｍｉｎｉｎｇｂａｓｅｄｏｎａｃｔｉｖｅｌｅａｒｎｉｎｇｃａｎｉｍｐｒｏｖｅｔｈｅｐｅｒｆｏｒｍａｎｃｅｉｎｄｅｘｏｆｔｅｘｔｍｉｎｉｎｇｊｕｓｔｉｎｇｅｎｅｒａｌｓｉｔｕａｔｉｏｎ． Ｋｅｙｗｏｒｄｓ　　Ｔｅｘｔｍｉｎｉｎｇ　Ｓｕｐｐｏｒｔｖｅｃｔｏｒｍａｃｈｉｎｅ　Ａｃｔｉｖｅｌｅａｒｎｉｎｇ　Ｂａｃｋｇｒｏｕｎｄｋｎｏｗｌｅｄｇｅ ０　引　言 １　文本分类 文本挖掘的应用无处不在，因为几乎８０％的信息可以存储 ［１］ 文本分类的目标是把文档自动分配为一定数量的语义类 为文本 。另外，丰富的文本信息也使得与之相关的各类信息 ［２］ 别，每个文档可以有多个分类、一个分类或根本没有分类。使用 有机地合成为一个复杂的信息系统 。因此，研究人员一直致 机器学习的目的，通过对分类样例地学习最终达到自动分类。 力于研究和开