基于模糊软集合理论的文本分类方法

1、基于模糊软集合理论的文本分类方法基于模糊软集合理论的文本分类方法1 1 概述概述2 2 软集合相关理论软集合相关理论12kkkkknkeAeAeAhhh12kkkkknkeE BeE BeE Bhhh 3 3 基于基于 NMIFS NMIFS 的特征选择算法的特征选择算法1,2,.,max(, )iiMfiI f cSfi FFfiSfi FFfifi4 4 基于软集合的文本分类方法基于软集合的文本分类方法 ,i =1,2,n (2)第j列总和记为 tj ，其计算如式(3)所示： , j =1,2,n (3)给每个对象 oi 赋于一个重要性值Si ，其计算公式如下：Si = ri ti i =

2、1,2,n (4) 1niijjrc1njijitc4.3 4.3 基于软集理论的分类算法基于软集理论的分类算法 基于软集合理论的文本分类算法首先要把文本特征向量表示为软集合图表，再根据最优值不变原则进行约简，最后选择最佳分类，具体算法如下： 算法2 基于软集合理论的分类算法 输入 训练样本的特征向量与待选择的文本特征向量 输出 所属类别 (1)由训练样本的特征向量，构造软集合图表。 (2)采用正则化参数约简法3进行约简。 (3)计算每个文本类别的聚类中心特征向量。 (4)重复步骤(3)直到求出所有类别的中心特征向量。 (5)由步骤(4)中c个类别中心向量构造一个CM 软集合图表，其中，M为约

3、简后的文本的特征属性个数；C为预先划分好的文本类别数，每个单元格为 Vij(i=1,2,n,j=1,2,m)，矩阵每一行Ci为一个文本类别的中心特征向量。(6)给定一个待分类的文本，计算出其特征向量 Vf 。(7)由 Vf与步骤(5)中所得的表格构成新的表格，新表单元格 Vij计算公式如下:(8)根据步骤(7)得到的软集合图表求出其对照表。(9)由式(2)式(4)求出步骤(8)中对照表的 Si,i =1,2,C。(10)求出最优 Ci = maxi Si ，即待分类文本的所属类别。|1m ax()ijfjijijVVVV5 5 实验结果分析实验结果分析 为了验证基于软集合理论的文本分类方法的性

4、能采用复旦大学国际数据库中心李荣陆提供的中文文本分类语料库作为训练集和测试集，从中提取知识并对分类算法进行评价，1882 篇文本作为训练集，934 篇文本作为测试集，其中的文本涉及 10 个主题：即交通、体育、军事、医药、政治、教育、环境、经济、艺术、计算机。 评价分类性能7的 2 种常用指标是准确率 p 和召回率 r 。为了评估算法在整个数据集上的性能，有 2 种平均的方法可供使用，分别称为宏平均(macro_average)和微平均(micro_average)。宏平均是每一个类的性能指标的算术平均值，而微平均是每一个实例(文档)的性能指标的算术平均。分别从以下 2 个方面来对基于软集合理论的分类方法进行测试： (1)选不同数量的特征时分类器的性能； (2)与 KNN 和 SVM 分类器的性能比较。 在实验中选择特征数从 4002 800 之间对 KNN, SVM 及基于软集合方法进行分类精度测试，其中,KNN方法选择K=35；SVM方法选择LIBSVM 包作为分类器，具体分类结果如表 3 所示。 从表 3 实验数据可以得出以下结论： (1)基于软集合理论的文本分类与宏平均指标和微平均指标相比，KNN, SVM 算法都有所提高。 (2)