计算机工程
計算機工程
계산궤공정
COMPUTER ENGINEERING
2010年
24期
186-188
,共3页
跨领域学习%迁移学习%情感分类%文本分类%核空间典型相关分析
跨領域學習%遷移學習%情感分類%文本分類%覈空間典型相關分析
과영역학습%천이학습%정감분류%문본분류%핵공간전형상관분석
跨领域的文本分类,是指利用有标记领域的知识去帮助另一个概率分布不同的,未标记领域的知识进行分类的问题.从多视图学习的视角提出一个新的跨领域文本分类的方法(MTV算法).通过在核空间典型相关分析中引入与标记相关的信息,MTV算法可以得到一个判别性能更优的公共子空间.在多个情感类文本数据上的实验表明,MTV算法可以大大提升传统监督式学习算法面对领域迁移时的分类性能,并且在引入判别式的核空间典型相关分析后,进一步优化性能.
跨領域的文本分類,是指利用有標記領域的知識去幫助另一箇概率分佈不同的,未標記領域的知識進行分類的問題.從多視圖學習的視角提齣一箇新的跨領域文本分類的方法(MTV算法).通過在覈空間典型相關分析中引入與標記相關的信息,MTV算法可以得到一箇判彆性能更優的公共子空間.在多箇情感類文本數據上的實驗錶明,MTV算法可以大大提升傳統鑑督式學習算法麵對領域遷移時的分類性能,併且在引入判彆式的覈空間典型相關分析後,進一步優化性能.
과영역적문본분류,시지이용유표기영역적지식거방조령일개개솔분포불동적,미표기영역적지식진행분류적문제.종다시도학습적시각제출일개신적과영역문본분류적방법(MTV산법).통과재핵공간전형상관분석중인입여표기상관적신식,MTV산법가이득도일개판별성능경우적공공자공간.재다개정감류문본수거상적실험표명,MTV산법가이대대제승전통감독식학습산법면대영역천이시적분류성능,병차재인입판별식적핵공간전형상관분석후,진일보우화성능.
