基于極限學(xué)習(xí)機(jī)的XML文檔分類的研究與實(shí)現(xiàn).pdf

1、XML文檔作為一種半結(jié)構(gòu)化數(shù)據(jù)格式，在數(shù)字化信息時(shí)代扮演了重要的角色。XML文檔天然的支持自定義結(jié)構(gòu)化的信息表達(dá)，已經(jīng)在金融、生物醫(yī)學(xué)等領(lǐng)域被廣泛的應(yīng)用。如何對(duì)XML進(jìn)行有效的管理是當(dāng)前比較熱門的研究方向之一。本文針對(duì)XML文檔的分類問題進(jìn)行了深入的研究和討論，并設(shè)計(jì)一套XML文檔的分類方案。
　　本文首先針對(duì)XML文檔表達(dá)模型設(shè)計(jì)了分布結(jié)構(gòu)向量模型DSVM(DistributedStructured Vector Model)，

2、該模型改善了傳統(tǒng)的向量空間模型VSM(Vector Space Model)中計(jì)算TFIDF值時(shí)的缺陷，充分考慮了文檔的類別分布信息，并對(duì)XML文檔的結(jié)構(gòu)信息進(jìn)行了優(yōu)化，使得DSVM模型能夠同時(shí)具有較高的XML文檔的語(yǔ)義信息和結(jié)構(gòu)信息的表達(dá)能力。其次，本文設(shè)計(jì)了基于投票機(jī)制的極限學(xué)習(xí)機(jī)優(yōu)化算法v-ELM（voting-ELM），利用OAO(One-against-one)的思想，將一個(gè)多分問題降解為多個(gè)二分問題，其中每?jī)蓚€(gè)類別形成一個(gè)二

3、分分類器，專門用于訓(xùn)練這兩類的訓(xùn)練文檔。但是這種設(shè)計(jì)的分類器會(huì)產(chǎn)生投票結(jié)果上的問題。本文針對(duì)相同最大得票數(shù)這一情況，設(shè)計(jì)了針對(duì)相同最大得票數(shù)的重投票算法REV(Revoting of Equal Votes)和針對(duì)相同最大得票數(shù)的基于概率的重投票算法p-REV（Probability Based Revoting of Equal Votes）。這兩個(gè)后處理方法分別使用常規(guī)和基于概率的重投票算法對(duì)分類結(jié)果重新進(jìn)行決策。本文還針對(duì)混淆類問

4、題設(shè)計(jì)了針對(duì)混淆類的重投票算法RCC(Revoting of Confusing Classes)，對(duì)投票結(jié)果屬于混淆類的結(jié)果進(jìn)行重新決策，以進(jìn)一步提高分類性能。
　　從本文設(shè)計(jì)的一系列實(shí)驗(yàn)的結(jié)果可以看出，本文提出的DSVM模型在XML文檔表達(dá)能力方面有了較大的提升，采用p-REV和RCC后處理方法的v-ELM算法雖然相比ELM算法犧牲了一定的訓(xùn)練時(shí)間，但仍舊遠(yuǎn)遠(yuǎn)優(yōu)于傳統(tǒng)后傳神經(jīng)網(wǎng)絡(luò)，并且在分類的準(zhǔn)確率等方面的性能超過了ELM、支