一种基于随机森林的多视角文本分类方法

作者：田宝明; 戴新宇; 陈家骏

来源：中文信息学报, 2009, (04): 48-54.

• 计算机应用
• 中文信息处理
• 文本分类
• 向量空间模型
• 隐含狄利克雷分配
• 集成分类
• 随机森林 computer application
• Chinese information processing
• text categorization
• VSM
• latent dirichlet allocation
• ensemble classification
• random forests

基于词的向量空间模型是文本分类中的传统的表示文本的方法。这种表示方法的一个缺点是忽略了词之间的关系。最近一些使用潜在主题文本表示的方法,如隐含狄利克雷分配LDA(Latent Dirichlet Allocation)引起了人们的注意,这种表示方法可以处理词之间的关系。但是,只使用基于潜在主题的文本表示可能造成词信息的损失。我们使用改进的随机森林方法结合基于词的和基于LDA主题的两种文本表示方法。对于两类特征分别构造随机森林,最终分类结果通过投票机制决定。在标准数据集上的实验结果表明,相比只使用一种文本特征的方法,我们的方法可以有效地结合两类特征,提高文本分类的性能。

• 单位
  计算机软件新技术国家重点实验室; 南京大学