短文本具有不同于普通文本的独有特点,例如文本长度较短,特征选择分散不一,这使得短文本文类需要处理这些特殊的问题.本文使用了基于主题本体的特征扩展方法,考虑了特征之间的语义关联,达到了较好的分类性能.同时,通过GC(扩展能力)算法使用了案例维护学习,在K-近邻算法中减少样例个数,从而可以提高搜索近邻样例的效率.数值型实验证明了这种学习算法的有效性.
[1] 翟延冬, 王康平, 张东娜, 黄岚, 周春光, ZHAI Yan-dong, WANG Kang-ping, ZHANG Dong-na, HUNAG Lan, ZHOU Chun-guang. 一种基于WordNet的短文本语义相似性算法 [J]. 电子学报 2012.doi:10.3969/j.issn.0372-2112.2012.03.35
[2] 王永恒, 贾焰, 杨树强, WANG Yong-heng, JIA Yan, YANG Shu-qiang. 基于频繁词集聚类的海量短文分类方法 [J]. 计算机工程与设计 2007.doi:10.3969/j.issn.1000-7024.2007.08.003
[3] 黄九鸣, 吴泉源, 刘春阳, 张旭, 贾焰, 周斌, HUANG Jiu-Ming, WU Quan-Yuan, LIU Chun-Yang, ZHANG Xu, JIA Yan, ZHOU Bin. 短文本信息流的无监督会话抽取技术 [J]. 软件学报 2012.doi:10.3724/SP.J.1001.2012.04031
[4] 彭泽映, 俞晓明, 许洪波, 刘春阳, PENG Zeying, YU Xiaoming, XU Hongbo, LIU Chunyang. 大规模短文本的不完全聚类 [J]. 中文信息学报 2011.doi:10.3969/j.issn.1003-0077.2011.01.009
[5] SEBASTIANI F. A tutorial on automated text categorisation [A]. Buenos Aires, AR 1999.
[6] SEBASTIANI F. Machine learning in automated text categorization [J]. ACM COMPUTING SURVEYS 2002, 34(01).
[7] FAN Xinghua, SUN Maosong. A high-performance text categorization of two classes [J]. Chinese Journal of Computers 2006, 29(01).
[8] ZELIKOVITZ S, TRANSDUCTIVE M F. Learning for short-text classification problem using latent semantic indexing international [J]. Journal of Pattern Recognition and Artificial Intelligence 2005, 19(02).
[9] SONG D, BRUZA P D, HUANG Z. Classifying document titles based on information inference [A]. Japan 2003.
[10] CHEN Enhong, WU Gaofeng. An ontology learning method enhanced by frame semantics [A]. Irvine, California 2005.
[11] ZHAN Yan, CHEN Hao. Chinese text categorization study based on cbm learning [A]. Yantai 2010.
