一种基于质心的多标签文本分类模型研究

计算机工程与科学

一种基于质心的多标签文本分类模型研究

李校林1,2,3，王成1,2

（1.重庆邮电大学通信与信息工程学院，重庆 400065；2.重庆邮电大学通信新技术应用研究中心，重庆 400065；

3.重庆信科设计有限公司，重庆 400021）

收稿日期:2019-09-02 修回日期:2019-12-11 出版日期:2020-06-25 发布日期:2020-06-25

A multi-label text classification

model based on centroid

LI Xiao-lin1,2,3，WANG Cheng1,2

(1.College of Communication and Information Engineering,
Chongqing University of Posts and Telecommunications,Chongqing 400065;

2.Research Center of New Telecommunication Technology Applications,
Chongqing University of Posts and Telecommunications,Chongqing 400065;

3.Chongqing Information Technology Designing Limited Company,Chongqing 400021,China)

Received:2019-09-02 Revised:2019-12-11 Online:2020-06-25 Published:2020-06-25

摘要/Abstract

摘要：

为了解决目前所提出的多标签分类算法仍然存在分类精度低和计算复杂度高的问题，提出了一种基于质心的多标签引力模型（ML-GM）。在训练阶段，通过计算文档与类的质心之间的相似性来获得相似性区间。在测试阶段，通过比较未定义文档和类质心之间的相似性是否在相似性区间内来进行多标签分类。该模型通过引入质心分类器和引力模型（GM）解决了计算复杂度高、分类精度低的问题。在实验中使用了雅虎数据集，结果表明，ML-GM在平均精确度、AUC、1-错误率和汉明损失上都有优越性。

关键词: 文本分类, 质心分类器, 多标签学习, 引力模型, 相似度区间

Abstract:

In order to solve the problem that the current multi-label classification algorithm has low classification accuracy and high computational complexity, a centroid-based multi-label model for text categorization, named Multi-label Gravitation Model (ML-GM), is proposed. In the training phase, a similarity interval by calculating the similarity between the document and the centroid of the class. In the test phase, multi-label classification is performed by comparing the similarity between the undefined document and the class centroid is within the similarity interval. The model solves the problem of high computational complexity and low classification accuracy by introducing a centroid classifier and a gravity model. The Yahoo dataset is used in the experiment, and the results show that ML-GM achieves supe- rior performance in terms of average accuracy, AUC, one-error and hamming loss.

Key words: text classification, centroid-based classifier, multi-label learning, gravitation model, similarity interval

李校林, 王成, . 一种基于质心的多标签文本分类模型研究[J]. 计算机工程与科学.

LI Xiao-lin, WANG Cheng, .

A multi-label text classification

model based on centroid

[J]. Computer Engineering & Science.

[1]	肖新正, 黄瑞章, 陈艳平, 秦永彬, 宋玉梅, 周裕林, . Corrective-Net：面向多标签文本分类的标签关联学习模块[J]. 计算机工程与科学, 2024, 46(06): 1092-1100.
[2]	高珊, 李世杰, 蔡志平. 基于深度学习的中文文本分类综述[J]. 计算机工程与科学, 2024, 46(04): 684-692.
[3]	杨春霞, 马文文, 徐奔, 韩煜, . 融合标签信息的分层图注意力网络文本分类模型[J]. 计算机工程与科学, 2023, 45(11): 2018-2026.
[4]	许浪, 李代伟, 张海清, 唐聃, 何磊, 于曦. 基于神经网络的医疗文本分类研究[J]. 计算机工程与科学, 2023, 45(06): 1116-1122.
[5]	梅侠峰, 吴晓鸰, 黄泽民, 凌捷. 融合RoBERTa的多尺度语义协同专利文本分类模型[J]. 计算机工程与科学, 2023, 45(05): 903-910.
[6]	文武, 万玉辉, 张许红, 文志云, . 基于改进CHI和PCA的文本特征选择[J]. 计算机工程与科学, 2021, 43(09): 1645-1652.
[7]	程玉胜, 曹天成, 王一宾, 郑伟杰. 基于负相关性增强的不平衡多标签学习算法[J]. 计算机工程与科学, 2021, 43(09): 1700-1710.
[8]	张丽, 马静. 融合词语统计特征和语义信息的文本分类方法研究[J]. 计算机工程与科学, 2021, 43(07): 1308-1315.
[9]	李晓红, 王闪闪, 马堉银, 马慧芳. 融合相似度图和随机游走模型的多标签短文本分类算法[J]. 计算机工程与科学, 2021, 43(06): 1081-1087.
[10]	葛晓伟, 李凯霞, 程铭. 基于CNN-SVM的护理不良事件文本分类研究[J]. 计算机工程与科学, 2020, 42(01): 161-166.
[11]	黄贤英,熊李媛,刘英涛,李沁东. 基于类别特征改进的KNN短文本分类算法[J]. 计算机工程与科学, 2018, 40(01): 148-154.
[12]	刘述昌,张忠林. 基于中心向量的多级分类KNN算法研究[J]. 计算机工程与科学, 2017, 39(09): 1758-1764.
[13]	马长林，杨正良，谢罗迪. 文本分类中CTM模型的优化和可视化应用研究[J]. 计算机工程与科学, 2017, 39(03): 599-604.
[14]	王进，夏翠萍，欧阳卫华，王鸿，邓欣，陈乔松. Spark下的并行多标签最近邻算法[J]. 计算机工程与科学, 2017, 39(02): 227-235.
[15]	马慧芳，周汝南，吉余岗，鲁小勇. 融合词语类别特征和语义的短文本分类方法[J]. 计算机工程与科学, 2017, 39(02): 399-404.