基于LPA和Tri-Training的半监督文本倾向性分类
郭毅
黄磊
1.北京交通大学经济管理学院,北京,1000442.北京交通大学经济管理学院,北京,100044
摘要：提出了一种基于LPA和Tri-Training算法的半监督文本倾向性分类框架.通过LPA对初始样本进行快速分类,获得更多可信的有标签数据,优化分类框架的训练过程.引入Tri-Training算法,提高分类框架的泛化能力和可用性.实验结果表明,在不同标注比例的样本集上,该框架都有较好的分类性能,相较有监督学习算法和单一的半监督算法提高了分类精度,并有较强的鲁棒性,为解决有标签样本比例较少情况下的文本倾向性分类提供了一个新的思路.
关键词：半监督学习LIT2文本倾向性分类Tri-Training算法标签传播算法
分类号：TP391.1(计算技术、计算机技术)
资助基金：国家自然科学基金(71132008)北京市科技计划(Z131100005613017)
论文发表日期：2015-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：8( 114-121 )
英文信息