言语尸检文本分类的机器学习方法比较研究
计算与语言
2014-02-19 v1
摘要
言语尸检是关于未认证死亡情况访谈的记录。在发展中国家，若死亡发生在医疗机构之外，现场工作人员会访谈死者亲属以了解死亡情况；该言语尸检记录可在异地进行审核。我们报告了一项比较研究，涉及应用于死因分类的文本分类过程：特征值表示、机器学习分类算法以及特征缩减策略，旨在确定适用于言语尸检文本分类的合适方法。我们证明，归一化词频与标准 TFIDF 在多种分类器上取得了相当的性能。结果还表明，支持向量机（Support Vector Machine）优于本研究中采用的其他分类算法。最后，我们展示了采用“局部半监督”特征缩减策略以提高性能准确性的有效性。
引用
@article{arxiv.1402.4380,
title = {A Comparative Study of Machine Learning Methods for Verbal Autopsy Text Classification},
author = {Samuel Danso and Eric Atwell and Owen Johnson},
journal= {arXiv preprint arXiv:1402.4380},
year = {2014}
}
备注
10 pages