基于相似领域共享特征的分类学习模型

徐俊芬，叶俊杰，刘业政

1.合肥工业大学管理学院，合肥 230009

2.过程优化与智能决策教育部重点实验室，合肥 230009

基于相似领域共享特征的分类学习模型

徐俊芬，叶俊杰，刘业政

1.合肥工业大学管理学院，合肥 230009

2.过程优化与智能决策教育部重点实验室，合肥 230009

传统上下文在分类研究中通常存在失真和有效性等问题。引入研究对象领域的相似领域作为上下文，借助迁移学习理论，使用结构化相似性学习方法构建研究对象领域和其相似领域间的低维共享特征，提出一种基于相似领域共享特征的分类学习模型。实验以QQ空间的个性化设置数据作为上下文，对用户电子商务网站页面的风格偏好进行分类，验证了所提模型的可行性和有效性。

分类；相似领域；上下文；共享特征；特征迁移学习

1 引言

分类算法是机器学习、模式识别和数据挖掘等领域中被广泛研究和应用的一个重要课题。分类学习模型的有效构建很大程度依赖于充足的样本和有效的特征信息，然而在现实中数据不完备现象广泛存在，从而导致分类准确率不高。为此，许多研究者提出了基于上下文的分类学习模型[1-2]。这类模型一般引入用户描述文件（User Profile）[3]、在线社会关系网络（OSN）[4]、位置[5]等各种各样的情境上下文，以此作为目标分类的特征信息或作为辅助信息来提高分类模型的有效性。这类模型表现出了较好的分类性能，但有时这些特征信息的准确性并不能保证，且该类传统上下文对某些特定研究领域并不存在有效影响，这使得许多模型的推广应用受到限制。……