基于语义特征提取的PU文本分类的研究与实现-自动化基础-论文之家

您现在的位置：硕士论文 >> 电子论文 >> 自动化 >> 自动化基础 >> 正文

基于语义特征提取的PU文本分类的研究与实现

作者：谭新 Publish: 2007-8-7 Hits:-

【中文题名】

基于语义特征提取的PU文本分类的研究与实现

【英文题名】

Research and Development of PU Text Classification Based on Semantic Feature Selection

【学科专业】

计算机软件与理论

【论文级别】

硕士论文

【投稿时间】

2007-8-7

【中关键词】

PU问题,文本分类,特征提取,WordNet,,

【英关键词】

【分类导航】

工业技术>自动化技术、计算机技术>自动化基础理论>人工智能理论>>

【论文摘要】

本文研究的是基于语义特征提取的PU文本分类问题。PU分类的特点是训练集只标识了正例,而没有标识其他类别,然而常用于文本分类的特征提取方法需要类别的概率信息,因此无法应用于PU问题。大多数现有的PU分类实现都没有对特征提取做过多的研究,只是应用最简单的文档频率方法,去掉出现频率较小的词条。本文针对PU问题需要,提出了一种基于本体的语义特征提取方法,意图通过改进特征提取来提高PU分类器的性能。本文利用WordNet实现了语义特征提取:首先找到文档的语义集合,然后去掉不含有文档语义的词条。这样既达到了特征提取的降维目的,又没有丢失文档的语义信息。实验表明,面向PU问题的语义特征提取是有效的。语义特征提取相对于文档频率方法能得到更好的分类器性能指标(评估参数F1),特别是在正例较少的情况下,大大改善了现有PU分类的效果。

【论文题纲】

提要	4-7
第一章绪论	7-11
1.1 研究背景	7-8
1.2 课题来源	8-9
1.3 本文所做工作	9-11
第二章文本分类基础篇	11-25
2.1 定义	11
2.2 历史和现状	11-12
2.3 文本分类的流程	12-13
2.4 常见的文本分类技术	13-25
2.4.1 文本表示	13-16
2.4.1.1 基本思想	13-14
2.4.1.2 权重计算	14-15
2.4.1.3 文本表示的过程	15-16
2.4.2 特征提取	16-20
2.4.2.1 基于评估函数的特征提取方法	16-18
2.4.2.2 考虑相关性的特征提取方法	18-19
2.4.2.3 语义特征提取	19-20
2.4.3 分类算法	20-23
2.4.3.1 K-最近邻算法	20-21
2.4.3.2 朴素贝叶斯	21-23
2.4.3.3 支持向量机	23
2.4.4 分类器性能评估	23-25
第三章 PU文本分类	25-30
3.1 什么是PU分类	25
3.2 相关工作	25
3.3 PU分类的两步框架	25-26
3.4 ONE-CLASS SVM 算法	26-27
3.5 PEBL算法	27-30
3.5.1 寻找可信反例	28
3.5.2 构造分类器	28-30
第四章本文提出的面向PU问题的语义特征提取	30-36
4.1 面向PU问题的语义特征提取	30-32
4.2 语义特征提取应用于ONE-CLASS SVM算法	32-33
4.3 语义特征提取应用于PEBL算法	33-36
第五章语义特征提取的PU分类器实现及结果分析	36-52
5.1 实验设计	36-41
5.1.1 实验数据	36
5.1.2 实验1	36-38
5.1.3 实验2	38-41
5.1.4 分类器性能评估方法	41
5.2 工具介绍	41-43
5.2.1 LIBSVM介绍	41-42
5.2.2 WordNet介绍	42-43
5.3 实现细节	43-47
5.4 实验结果及分析	47-52
5.4.1 实验1 结果分析	47-48
5.4.2 实验2 结果分析	48-52
第六章结论	52-53
参考文献	53-56
摘要	56-59
ABSTRACT	59-63
致谢	63-64
导师及作者简介	64

【DOI】

LunWen.ID:2.2008.388735



付费论文：有参考文献 300元

1、注册会员 2、购买本文 3、下载文章
注:此文为收费论文，需付费购买。每页大约1000字。

代写论文流程

载入中…

Web lunwenjia


热门搜索：PU问题论文文本分类特征提取 WordNet

自动化基础最新论文

自动化基础热门论文