基于改进k-近邻的直推式支持向量机学习算法

2018-05-09 08:53:52邹书蓉
计算机与现代化 2018年4期
关键词:分类

李 煜,冯 翱,邹书蓉

(成都信息工程大学计算机学院,四川 成都 610225)

0 引 言

情感分析(Sentiment Analysis)指的是分析人们对诸如产品、服务、组织、事件、问题、主题等实体及其属性的观点、情感、评价、态度的研究领域[1]。随着互联网的普及,人们比过去更愿意和他人分享自己的生活、观点、经历和想法,这促使网络尤其是社交网络中涌现出大量主观文本数据,如何从大量文本数据中分析用户态度成为个人、商家和政府迫切需要解决的问题之一[2]。通常情况下,所能获得的文本数据往往是无标签的,若对其全部进行标注需要花费大量人力物力。因此,如何利用少量的标注数据对大量的无标签数据进行分类识别成为该领域主要难题之一。

统计学习理论是由Vapnik等人提出的针对小样本问题的机器学习理论[3-4]。支持向量机(Support Vector Machine, SVM)[5]是建立在统计学习理论基础上,以结构风险最小化为原则的一种学习算法。由于其良好的分类性能,该算法在图像和文本处理等众多领域得到了广泛的应用。

传统支持向量机根据学习样本进行训练得到分类超平面,并对测试样本进行预测。SVM具有良好的分类性能,但它要求每个学习样本标签已知。但在实际问题中,得到所有学习样本的标签需要花费较大代价。针对传统支持向量机的不足,Joachims等人提出直推式支持向量机模型(Transductive Support Vector Machine, TSVM)[6]。该模型可以利用少量有标签样本对无标签样本进行预测,可以在保证准确率的同时,较大幅度地减少对有标签样本的依赖。……

登录APP查看全文

猜你喜欢
分类
分类算一算
垃圾分类的困惑你有吗
大众健康(2021年6期)2021-06-08 19:30:06
星星的分类
我给资源分分类
垃圾分类,你准备好了吗
学生天地(2019年32期)2019-08-25 08:55:22
按需分类
教你一招:数的分类
说说分类那些事
给塑料分分类吧