基于SVM主動學(xué)習(xí)的文本分類.pdf

1、信息技術(shù)的不斷發(fā)展使得世界變成了信息的海洋，很多有用的信息被大量的垃圾信息所淹沒，如何從這些信息自動分類出有用的信息將是一個重要的課題。文本作為信息的主要載體，具有明顯的現(xiàn)實意義，而中文作為使用最多的語言之一，其重要性不言而喻。目前大多數(shù)中文文本分類都使用傳統(tǒng)的模式，先對訓(xùn)練樣本學(xué)習(xí)得到分類器，再對未知樣本進(jìn)行分類，二個過程相互獨立。但按照上述方法得到一個滿意的分類器需要大量的訓(xùn)練數(shù)據(jù)，成本耗費比較高，為了進(jìn)一步減少人工標(biāo)記成本，提高分

2、類的效果及加快訓(xùn)練的速度，采用主動學(xué)習(xí)的方法是一種比較好的途徑。但目前存在的幾種基于支持向量機(jī)(SVM)的主動學(xué)習(xí)方法都是簡單的把分類方法與主動學(xué)習(xí)過程相融合，沒有從選擇策略上進(jìn)行改進(jìn)，為此本文提出了兩種改進(jìn)的方法：
　　 1、基于加權(quán)值的主動學(xué)習(xí)算法：
　　 基于SVM主動學(xué)習(xí)算法對訓(xùn)練數(shù)據(jù)都沒有提出明確的要求，但是事實上SVM對訓(xùn)練數(shù)據(jù)的要求比較嚴(yán)格，需要保證正類與負(fù)類樣本的均衡性，只有這樣才能得到比較滿意的分類性能

3、。不平衡的數(shù)據(jù)將會導(dǎo)致超平面向樣本較少的方向偏移，降低分類器的性能。提出了一種折中考慮最小決策值和樣本平衡性之間關(guān)系的加權(quán)主動學(xué)習(xí)算法。
　　 2、基于期望間隔的主動學(xué)習(xí)算法：
　　 SVM分類器間隔的確定是依據(jù)已標(biāo)記的樣本集。而在主動學(xué)習(xí)的初期分類間隔被擴(kuò)大了，因而主動學(xué)習(xí)的目的就是依據(jù)當(dāng)前樣本集，選擇那些能最快的縮小當(dāng)前分類器間隔的樣本。提出了一種基于期望間隔的主動學(xué)習(xí)算法，較快的縮小分類器的間隔。
　　 對