基于SSPP-KELM多標簽文本分類算法的實現(xiàn).pdf

1、文本數(shù)據(jù)分類后，根據(jù)類標簽的個數(shù)可以分為單標簽文本分類和多標簽文本分類。若標簽個數(shù)只有一個，稱之為單標簽文本分類，否則就為多標簽文本分類。在現(xiàn)實的應用中，多標簽文本的分類普遍存在身邊。研究學者目前對多標簽分類的研究中，主要是集中于多標簽文本數(shù)據(jù)的降維和分類算法。但現(xiàn)有的多標簽文本降維算法中，部分算法對分類效果的提升影響不大，部分算法的時間效率比較低。與此同時多標簽文本分類算法方面存在的問題較為顯著，例如分類過程中沒有考慮標簽與標簽之間的

2、相關聯(lián)，分類的精度不夠理想等。本文通過分析上述的問題以及結合現(xiàn)有的多標簽文本降維與分類算法做如下兩個方面的研究:
　　(1)首先，在數(shù)據(jù)預處理階段，依據(jù)SPP（Sparsity Preserving Projections）算法，引出融入標記信息的稀疏保持投影，使用該方法為基本數(shù)據(jù)進行數(shù)據(jù)降維，把高維的數(shù)據(jù)映射到低維的空間。多標簽文本學習的過程中，數(shù)據(jù)的降維處理是其中重要的一步。本文運用SSPP（Supervised Sparsi

3、ty Preserving Projections）方法的核函數(shù)投影數(shù)據(jù)的特征空間，使得非線性樣本的維度得以降低;在降維的過程中，考慮到多標簽文本數(shù)據(jù)上會自帶有大量的標記信息，把這些標記信息融入到降維方法中，讓原始的無監(jiān)督方法變成了有監(jiān)督的方法。從而解決了降維算法無法利用樣本數(shù)據(jù)中監(jiān)督信息的問題。
　　(2)其次，根據(jù)降維后的數(shù)據(jù)，借助引入核極限學習機，對降維后的數(shù)據(jù)進行分類。極限學習機中融入核函數(shù)，在保證時間效率上，同時提高了算