| 训练集类别分布对文本分类的影响 |
| |
| 引用本文： | 张启蕊,张凌,董守斌,谭景华. 训练集类别分布对文本分类的影响[J]. 清华大学学报(自然科学版), 2005, 45(9): 1802-1805 |
| |
| 作者姓名： | 张启蕊 张凌 董守斌 谭景华 |
| |
| 作者单位： | 华南理工大学,广东省计算机网络重点实验室,广州,510640;中国电信集团广州研发中心,广州,510630 |
| |
| 基金项目： | 高等学校优秀青年教师教学科研奖励计划资助项目 |
| |
| 摘 要： | 为了减小训练集中各类别资源分布不均衡对分类性能造成的影响,该文对原始训练集使用类别均衡法,即对原始训练集以类为单位进行重新组合,使得重组后的训练集类别分布尽可能均衡,从而可以在均衡的类别上进行训练和分类,以降低在训练过程中对小类别的不公平待遇.在复旦大学语料库上使用类别均衡法,分别用Naive Bayes和Rocchio方法分类,前者的宏平均F1从48.62%提高到了80.99%,后者的宏平均F1从64.58%提高到80.26%,微平均F1从73.99%提高到80.47%.实验结果显示,类别均衡法显著提高了分类性能.
|
| 关 键 词： | 文本分类 训练集 类别均衡法 |
| 文章编号： | 1000-0054(2005)S1-1802-04 |
| 修稿时间： | 2005-05-20 |
Effects of category distribution in a training set on text categorization |
| |
| ZHANG Qirui,ZHANG Ling,DONG Shoubin,TAN Jinghua. Effects of category distribution in a training set on text categorization[J]. Journal of Tsinghua University(Science and Technology), 2005, 45(9): 1802-1805 |
| |
| Authors: | ZHANG Qirui ZHANG Ling DONG Shoubin TAN Jinghua |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
|
