基于代价敏感集成极限学习机的文本分类方法

分类： 计算机科学 >> 自然语言理解与机器翻译 提交时间： 2018-09-27

李明 肖培伦 张矩 顾心盟

摘要： 加权极限学习机对不同类别的样本赋予不同的权值，在一定程度上提高了分类准确 率,但加权极限学习机只考虑了不同类别样本之间差异，忽视了样本噪声和同类样本之间的 差异。本文提出了一种基于文本类别信息熵的极限学习机集成方法，该方法以Adaboost.M1 为算法框架，通过文本的类内分布熵和类间分布熵生成文本类别信息熵，由文本类别信息熵 构造代价敏感矩阵，把代价敏感极限学习机集成到Adaboost.M1 框架中。实验结果表明，该 方法与其他类型的极限学习机相比较有更好的准确性和泛化性。

同行评议状态:待评议

 点击量 3590  下载量 1880  评论