主页期刊介绍编委会编辑部服务介绍道德声明在线审稿编委办公编辑办公English
2018-2019年专刊出版计划 微信服务介绍 最新一期:2019年第4期
     
在线出版
各期目录
纸质出版
分辑系列
论文检索
论文排行
综述文章
专刊文章
美文分享
各期封面
E-mail Alerts
RSS
旧版入口
中国科学院软件研究所
  
投稿指南 问题解答 下载区 收费标准 在线投稿
朱靖波,王会珍,张希娟.面向文本分类的混淆类判别技术.软件学报,2008,19(3):630-639
面向文本分类的混淆类判别技术
Confusion Class Discrimination Techniques for Text Classification
投稿时间:2006-07-02  修订日期:2006-10-10
DOI:
中文关键词:  文本分类  混淆类判别  特征选取  分类错误分布  机器学习  自然语言处理
英文关键词:text classification  confusion class discrimination  feature selection  classification error distribution  machine learning  natural language processing
基金项目:Supportet by the National Natural Science Foundation of China under Grant No.60473140(国家自然科学基金);the National 985 Project of China under Grant No.985-2-DB-C03(国家985工程项目);the Program for New Century Excellent Talents in University of China under Grant No.NCET-05-0287(新世纪优秀人才计划);the National High-Tech Research and Development Plan of China under Grant No.2006AA01Z154(国家高技术研究发展计划(863))
作者单位
朱靖波 东北大学 信息科学与工程学院,辽宁 沈阳 110004 
王会珍 东北大学 信息科学与工程学院,辽宁 沈阳 110004 
张希娟 东北大学 信息科学与工程学院,辽宁 沈阳 110004 
摘要点击次数: 4052
全文下载次数: 3856
中文摘要:
      分析了文本分类过程中存在的混淆类现象,主要研究混淆类的判别技术,进而改善文本分类的性能.首先,提出了一种基于分类错误分布的混淆类识别技术,识别预定义类别中的混淆类集合.为了有效判别混淆类,提出了一种基于判别能力的特征选取技术,通过评价某一特征对类别之间的判别能力实现特征选取.最后,通过基于两阶段的分类器设计框架,将初始分类器和混淆类分类器进行集成,组合了两个阶段的分类结果作为最后输出.混淆类分类器的激活条件是:当测试文本被初始分类器标注为混淆类类别时,即采用混淆类分类器进行重新判别.在比较实验中采用了Newsgroup和863中文评测语料,针对单标签、多类分类器.实验结果显示,该技术有效地改善了分类性能.
英文摘要:
      This paper analyzes confusion class phenomena existing in text classification procedure, and studies further confusion class discrimination techniques to improve the performance of text classification. In this paper, firstly a technique for confusion class recognition based on classification error distribution is proposed to recognize confusion class sets existing in the pre-defined taxonomy. To effectively discriminate confusion classes, this paper proposes an approach to feature selection based on discrimination capability in the procedure of which each candidate feature's discrimination capability for class pair is evaluated. At last, two-stage classifiers are used to integrate baseline classifier and confusion class classifiers, and in which the two output results from two stages are combined into the final output results. The confusion class classifiers in the second stage could be activated only when the output class of the input text assigned by baseline classifier in the first stage belongs to confusion classes, then the confusion class classifiers are used to discriminate the testing text again. In the comparison experiments, Newsgroup and 863 Chinese evaluation data collection are used to evaluate the effectiveness of the techniques proposed in this paper, respectively. Experimental results show that the methods could improve significantly the performance for single-label and multi-class classifier (SMC).
HTML  下载PDF全文  查看/发表评论  下载PDF阅读器
 

京公网安备 11040202500064号

主办单位:中国科学院软件研究所 中国计算机学会
编辑部电话:+86-10-62562563 E-mail: jos@iscas.ac.cn
Copyright 中国科学院软件研究所《软件学报》版权所有 All Rights Reserved
本刊全文数据库版权所有,未经许可,不得转载,本刊保留追究法律责任的权利