面向作者身份判定的层次化多类分解方法
人工智能
2010-10-12 v1
摘要
本文主要关注如何将多类分类问题分解为二值子问题。我们将已知的关于二值问题贝叶斯风险的Jensen-Shannon界推广到层次化多类问题，并利用这些界开发了一种启发式过程，用于构建多项分布的层次化多类分解。我们测试了该方法，并将其与著名的“全配对”分解进行了比较。测试使用了一个新的机器学习作者身份判定基准测试集。当类别数较少时，新方法始终优于全配对分解；在更大的多类问题上，两者性能相当。使用两种方法，我们基于由高频单令牌和高频令牌对组成的特征集，采用支持向量机（SVM）所达到的分类准确率，与作者身份判定领域的已知结果相比显得异常高。
引用
@article{arxiv.1010.2102,
title = {Hierarchical Multiclass Decompositions with Application to Authorship Determination},
author = {Ran El-Yaniv and Noam Etzion-Rosenberg},
journal= {arXiv preprint arXiv:1010.2102},
year = {2010}
}