针对情感分类研究中广泛存在的数据不平衡问题，提出了一种基于边界度的过采样方法（BD-SMOTE）。首先，根据少数类样本的多数类最近邻和少数类最近邻确定其边界度；其次，根据边界度计算少数类样本的采样权重；最后，根据采样权重自适应确定每一个少数类样本需要生成新样本的数量。实验结果表明，将该算法应用于不平衡情感数据集并结合SVM分类器训练分类模型，实现了准确分类。
科研之友
微信
新浪微博
Facebook
分享链接
