将 TSVM 扩展至具有一般损失函数的多类与层次化文本分类问题
机器学习
2012-11-02 v1
摘要
直推式支持向量机 (TSVM) 是一种众所周知的用于二分类文本分类的半监督大间隔学习方法。在本文中，我们将该方法扩展至多类分类和层次化分类问题。我们指出，在固定分类器权重的情况下确定未标记样本的标签是一个线性规划问题，并设计了一种高效的技术来求解该问题。该方法适用于一般的损失函数。我们在多个多类和层次化分类数据集上，利用大间隔损失展示了新方法的价值。对于 maxent 损失，我们通过实证表明，我们的方法优于期望正则化/约束和后验正则化方法，并与使用标签约束的熵正则化方法版本具有竞争力。
引用
@article{arxiv.1211.0210,
title = {Extension of TSVM to Multi-Class and Hierarchical Text Classification Problems With General Losses},
author = {Sathiya Keerthi Selvaraj and Sundararajan Sellamanickam and Shirish Shevade},
journal= {arXiv preprint arXiv:1211.0210},
year = {2012}
}