基于集成极限学习机的文本分类
信息检索
2018-05-18 v1 人工智能
计算与语言
机器学习
摘要
本文提出一种基于代价敏感集成加权极限学习机的新方法，称之为AE1-WELM。我们将该方法应用于文本分类。AE1-WELM是一种包含平衡与不平衡多分类的文本分类算法。加权ELM通过为不同样本分配不同权重在一定程度上提高了分类准确率，但加权ELM仅考虑不同类别间样本的差异，而忽略了同类别内样本的差异。我们通过样本信息熵度量文档的重要性，并基于文档重要性生成代价敏感矩阵与因子，然后将代价敏感加权ELM无缝嵌入AdaBoost.M1框架中。向量空间模型（VSM）文本表示产生高维稀疏特征，增加了ELM的负担。为克服该问题，我们开发了结合词向量与AE1-WELM的文本分类框架。实验结果表明，我们的方法为文本分类提供了一种准确、可靠且有效的解决方案。
引用
@article{arxiv.1805.06525,
title = {Text classification based on ensemble extreme learning machine},
author = {Ming Li and Peilun Xiao and Ju Zhang},
journal= {arXiv preprint arXiv:1805.06525},
year = {2018}
}
备注
10 pages, 9 figures