海洋文獻(xiàn)分類(lèi)中極小化標(biāo)注問(wèn)題的研究.pdf

1、高效率的進(jìn)行海洋文獻(xiàn)的分類(lèi)對(duì)海洋科學(xué)研究具有重要意義。目前，解決此問(wèn)題較為成熟的技術(shù)是有監(jiān)督的文本分類(lèi)技術(shù)。但其往往存在人工標(biāo)注量太大的缺點(diǎn)；此外，有標(biāo)注資源代價(jià)昂貴，而大量無(wú)標(biāo)注資源沒(méi)有加以利用。半監(jiān)督機(jī)器學(xué)習(xí)方法能根據(jù)少量有標(biāo)注資源從大量無(wú)標(biāo)注資源中獲取有用信息，有效降低人工標(biāo)注量。因此，本文運(yùn)用半監(jiān)督機(jī)器學(xué)習(xí)方法進(jìn)行海洋文獻(xiàn)分類(lèi)中的極小化標(biāo)注問(wèn)題的研究。 本文從描述文本分類(lèi)和機(jī)器學(xué)習(xí)的基本概念入手，對(duì)基于機(jī)器學(xué)習(xí)的文本分類(lèi)

2、基礎(chǔ)技術(shù)——文本的表示、分類(lèi)方法和效果評(píng)估三部分內(nèi)容逐一進(jìn)行了討論和介紹，并根據(jù)已有實(shí)驗(yàn)結(jié)果選擇了最佳的分類(lèi)方法：接著通過(guò)對(duì)半監(jiān)督機(jī)器學(xué)習(xí)問(wèn)題的描述，引出了本文所采用的核心算法——協(xié)同訓(xùn)練(co-training)算法；最后，使用c＃.net語(yǔ)言編程實(shí)現(xiàn)了基于co-training算法的海洋文獻(xiàn)分類(lèi)極小化標(biāo)注，這是本文研究的核心問(wèn)題。 本文的主要工作和創(chuàng)新點(diǎn)有： (1)本文給出了基于協(xié)同訓(xùn)練算法的海洋文獻(xiàn)分類(lèi)的詳細(xì)流程，

3、詳細(xì)設(shè)計(jì)了六大功能模塊，包括文本預(yù)處理、特征分割、訓(xùn)練、預(yù)測(cè)、挑選特征和評(píng)估模塊。其中，特征分割模塊是co-training方法區(qū)別于傳統(tǒng)的有監(jiān)督分類(lèi)方法的標(biāo)志性模塊，是本文所實(shí)現(xiàn)的分類(lèi)方法的重點(diǎn)部分。 (2)采用給特征添加標(biāo)簽的方式，將特征分成兩個(gè)View，從而訓(xùn)練兩個(gè)不同的分類(lèi)模型，實(shí)現(xiàn)協(xié)同訓(xùn)練方法。又通過(guò)一系列的實(shí)驗(yàn)，確定了適當(dāng)?shù)膮f(xié)同訓(xùn)練次數(shù)和緩沖區(qū)樣本數(shù)，以使分類(lèi)結(jié)果穩(wěn)定且良好。 (3)最后，將基于co-trai