基于DW-TCI的半监督文本分类方法研究

作者：余本功; 汲浩敏^*

来源：数据分析与知识发现, 2020, 4(10): 58-69.

• 半监督分类
• 样本分歧
• 分类器分歧
• 集成学习

【目的】对只有少量标注的文本进行高效率的分类,提出一种新的半监督文本分类方法。【方法】提出DW-TCI半监督文本分类方法,通过使用双通道的特征提取方式得到基分类器组的两组特征输入向量,并引入基于分歧的半监督分类方法和集成学习的思想,将无监督共识结果样本引入模型训练,最后通过等值加权投票法得到预测文本的分类结果。【结果】在两个不同的数据集下,DW-TCI方法使用20%有标签样本训练时,分类精度分别达到92.32%和87.01%,对比其他半监督分类方法最少分别提升5.54%和5.65%。【局限】使用的数据集数量较少,未在更多的数据集上进行验证。【结论】DW-TCI方法可以大幅减少对训练样本的标注,为服务商进行高效的文本分类提供了有效支持。

• 单位
  合肥工业大学