基于不平衡文本分类的改进Stacking模型
蒋瑶
赵礼峰
南京邮电大学理学院 南京 210023
摘要：文本情绪分类中消极情绪往往对决策者有着很重要的借鉴作用,然而很多情况下,消极情绪是难以识别的少部分.为了提高消极情绪的分类效果,提出了一种融合随机森林和逻辑回归的改进Stacking模型.该模型采用多次欠采样训练多个随机森林作为初级分类器,采用逻辑回归作为次级分类器,基于Amazon电子商务平台的购物评论数据集进行了验证.实验结果表明,该模型能够有效提高不平衡文本分类的分类效率.
关键词：文本分类TFIDF随机森林Stacking
分类号：TP181(自动化基础理论)
资助基金：国家自然科学基金(61304169)
论文发表日期：2021-08-20
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：5( 1594-1598 )
英文信息