基于极限学习机的中文文本分类方法

作者：程东生; 范广璐; 俞雯静; 伍飞; 曾伟波^*

来源：重庆理工大学学报：自然科学, 2018, 32(08): 156-205.

• 中文文本分类
• 极限学习机
• 特征融合
• 单隐层神经网络
• 电网档案管理系统

针对当前中文文本分类方法难以平衡分类精度和学习效率的问题,提出了一种基于极限学习机(ELM)的中文文本分类方法,该方法包括预处理模块、文本特征提取模块、特征融合模块和基于极限学习机的分类模块。在分类模块中,提出采用单隐层神经网络作为分类器并使用ELM算法来训练分类器,有效地平衡模型性能和学习效率。同时分别针对不同的特征训练分类器,集成不同分类器的输出得到最后的分类结果,有效提高了平衡分类精度,并在电网档案管理系统的档案归类任务中对该模型进行应用评估。实验结果表明,该模型不仅有较高的分类精度,而且在训练和测试两个阶段模型的计算都具有较低的代价。所提方法适用于海量数据下的中文文本分类场景,具有重要的研究意义和推广价值。

• 单位
  国家电网公司; 国网信息通信产业集团有限公司; 国网安徽省电力有限公司