郑州大学学报（工学版）
鄭州大學學報（工學版）
정주대학학보（공학판）
JOURNAL OF ZHENGZHOU UNIVERSITY(ENGINEERING SCIENCE)
2010年
6期
116-118,125
,共4页
文本分类%多代表点%Rocchio%KNN
文本分類%多代錶點%Rocchio%KNN
문본분류%다대표점%Rocchio%KNN
文本自动分类是一种有效的组织信息和管理信息的工具,传统分类方法一般在分类效果和运行效率上两者不可兼得,通过综合Rocchio和KNN 2种分类方法的优点,设计出一种基于多代表点的文本分类方法,该方法通过对各类挖掘出多个有效的代表点(真实或虚拟的),再使用基于这些代表点的Rocchio和KNN方法进行分类.实验表明,该方法以较少的训练时间达到令人满意的分类效果,并且能很好地解决不平衡类问题,实验结果显示,该方法能达到与SVM相当的分类效果.
文本自動分類是一種有效的組織信息和管理信息的工具,傳統分類方法一般在分類效果和運行效率上兩者不可兼得,通過綜閤Rocchio和KNN 2種分類方法的優點,設計齣一種基于多代錶點的文本分類方法,該方法通過對各類挖掘齣多箇有效的代錶點(真實或虛擬的),再使用基于這些代錶點的Rocchio和KNN方法進行分類.實驗錶明,該方法以較少的訓練時間達到令人滿意的分類效果,併且能很好地解決不平衡類問題,實驗結果顯示,該方法能達到與SVM相噹的分類效果.
문본자동분류시일충유효적조직신식화관리신식적공구,전통분류방법일반재분류효과화운행효솔상량자불가겸득,통과종합Rocchio화KNN 2충분류방법적우점,설계출일충기우다대표점적문본분류방법,해방법통과대각류알굴출다개유효적대표점(진실혹허의적),재사용기우저사대표점적Rocchio화KNN방법진행분류.실험표명,해방법이교소적훈련시간체도령인만의적분류효과,병차능흔호지해결불평형류문제,실험결과현시,해방법능체도여SVM상당적분류효과.
