基于极限学习机的中文文本分类方法
2018 (8):
.
摘要
(
173 )
PDF(1243KB)
(
235
)
针对当前中文文本分类方法难以平衡分类精度和学习效率的问题,提出了一种基
于极限学习机(ELM)的中文文本分类方法,该方法包括预处理模块、文本特征提取模块、特征融
合模块和基于极限学习机的分类模块。在分类模块中,提出采用单隐层神经网络作为分类器并
使用ELM算法来训练分类器,有效地平衡模型性能和学习效率。同时分别针对不同的特征训
练分类器,集成不同分类器的输出得到最后的分类结果,有效提高了平衡分类精度,并在电网档
案管理系统的档案归类任务中对该模型进行应用评估。实验结果表明,该模型不仅有较高的分
类精度,而且在训练和测试两个阶段模型的计算都具有较低的代价。所提方法适用于海量数据
下的中文文本分类场景,具有重要的研究意义和推广价值。
相关文章 |
计量指标
|