基于SVM主動學習的文本分類.pdf

1、信息技術的不斷發(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。目前大多數中文文本分類都使用傳統(tǒng)的模式，先對訓練樣本學習得到分類器，再對未知樣本進行分類，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練數據，成本耗費比較高，為了進一步減少人工標記成本，提高分

2、類的效果及加快訓練的速度，采用主動學習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(SVM)的主動學習方法都是簡單的把分類方法與主動學習過程相融合，沒有從選擇策略上進行改進，為此本文提出了兩種改進的方法：
　　 1、基于加權值的主動學習算法：
　　 基于SVM主動學習算法對訓練數據都沒有提出明確的要求，但是事實上SVM對訓練數據的要求比較嚴格，需要保證正類與負類樣本的均衡性，只有這樣才能得到比較滿意的分類性能

3、。不平衡的數據將會導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系的加權主動學習算法。
　　 2、基于期望間隔的主動學習算法：
　　 SVM分類器間隔的確定是依據已標記的樣本集。而在主動學習的初期分類間隔被擴大了，因而主動學習的目的就是依據當前樣本集，選擇那些能最快的縮小當前分類器間隔的樣本。提出了一種基于期望間隔的主動學習算法，較快的縮小分類器的間隔。
　　 對