基于特征扩展的半监督协同短文本分类方法研究

作     者：付学敏 FU Xue-min

作者机构：安徽新闻出版职业技术学院安徽合肥230601 

基　　金：安徽省高校自然科学研究重点项目"基于配电网暂态数据的时域故障定位方法"(KJ2018A0924) 智慧课堂试点--用定时器加中断实现花样流水灯设计"(2017zhkt250)">安徽省高等学校质量工程重点项目"<单片机>智慧课堂试点--用定时器加中断实现花样流水灯设计"(2017zhkt250) 

出 版 物：《电脑知识与技术》 (Computer Knowledge and Technology)

年 卷 期：2018年第14卷第1Z期

页      码：205-207页

摘      要：短文本分类是数据挖掘的一个重要方面,半监督学习可以有效的解决标签数据不足的问题。然而,短文本数据的稀疏性极大的限制了半监督学习算法的应用。因此本文提出一种基于特征扩展的半监督协同短文本分类方法。该方法能改善文本的稀疏性问题,实验结果表明,本文所提方法可以有效的提高已有半监督算法的分类精度。

主 题 词：稀疏性 分类精度 半监督算法 短文本分类 

学科分类：081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

D　O　I：10.14004/j.cnki.ckt.2018.3452

馆 藏 号：203395181...