基于中心向量法与万有引力模型相结合的文本分类

王宇; 刘斌

Chinese

您当前的位置：

首页 >

文章列表页 >

基于中心向量法与万有引力模型相结合的文本分类

更新时间：2026-09-04

- 基于中心向量法与万有引力模型相结合的文本分类
- Text Classification Based on Central Vector Method and Universal Gravitation
- 微电子学与计算机 2017年34卷第11期页码：119-123
- 作者机构：
  
  南京工业大学机构计算机科学与技术学院,江苏,南京,211816
- 作者简介：
- 基金信息：
- DOI：
  中图分类号：
- 纸质出版：2017
- 稿件说明：
移动端阅览
王宇, 刘斌. 基于中心向量法与万有引力模型相结合的文本分类[J]. 微电子学与计算机, 2017, 34(11): 119-123.

WANG Yu, LIU Bin. Text Classification Based on Central Vector Method and Universal Gravitation[J]. 2017, 34(11): 119-123.
王宇, 刘斌. 基于中心向量法与万有引力模型相结合的文本分类[J]. 微电子学与计算机, 2017, 34(11): 119-123. DOI：

WANG Yu, LIU Bin. Text Classification Based on Central Vector Method and Universal Gravitation[J]. 2017, 34(11): 119-123. DOI：

摘要

提出一种中心向量模型与万有引力模型相结合的文本分类的方法(CGMV).引入了类内信息熵和类间边界置信度

解决了传统模型下类间分布不均匀与类内个别样本分布稀疏从而导致分类准确度下降的问题.经过实验证明CGMV算法提高了文本分类的准确率.

Abstract

This paper presents a text categorization method (CGMV) that combines the central vector model with the gravitation mode. The intra-class information entropy and inter-class boundary confidence degree are introduced to solve the problem that the classification accuracy is degraded due to the heterogeneity of inter-class distribution and the sparse distribution of individual samples in the traditional model. Experiments show that CGMV algorithm improves the efficiency of text categorization.

关键词

Keywords

references

杨铭. 基于降维中心法的文本分类研究[D]. 长春: 吉林大学, 2013.

Straaten S V, Ford E C, Klis M V D, et al. Relationbetween timing features and colors in the X-ray binary 4U 0614+09[J]. Astrophysical Journal, 2000, 540(540): 1049-1061. DOI: 1049

Mbaye I C. An improved parallel K-means clustering algorithm with MapReduce and Hadoop[D]. 长沙: 湖南大学, 2015.

吴来初. 万有引力与向心力公式中r的不同含义[J]. 物理通报, 2010, 60(12): 76-77. DOI: 76

朱坤红. 基于VSM模型和特征选择算法的中文文本自动分类研究[D]. 南昌: 江西师范大学, 2011.

Guoyongfeng, Tanjianguo. Time evolution of information entropy for a stochastic system with double singularitiesdriven by quasimonochromatic noise[J]. Chinese Physics B, 2012, 12: 99-103. DOI: 99

林琛. 针对训练集分布偏斜问题的数字资源文本分类方法[J]. 现代图书情报技术, 2014, 30 (7) : 24-33. DOI: 24

胡文静. 本分类技术进展[J]. 知识经济, 2011, 13(10): 99. DOI: 99

Yanny B, Rockosi C, Newberg H J, et al. SEGUE: A spectroscoic survey of 240, 000 stars with g = 14-20[J]. Astron. j, 2009, 137(5): 4377-4399. DOI: 4377

陈国松, 黄大荣. 基于信息熵的TFIDF文本分类特征选择算法研究[J]. 湖北民族学院学报(自科版), 2008, 26(4): 401-404. DOI: 401

Hacker B R, Ratschbacher L, Webb L, et al. Exhumation of ultrahigh‐pressure continental crust in east central China: Late Triassic‐Early Jurassic tectonic unroofing[J]. Journal of Geophysical Research Solid Earth, 2000, 105364(10): 339-340. DOI: 339

Jake Miles. Chronic fatigue syndrome[J]. Journal of Clinical Virology37, 1994, 37: 139-50. DOI: 139

赵新苗, 冯向萍, 李永可, 等. 改进的中心向量算法在农业信息分类中的研究[J]. 计算机技术与发展, 2016, 26(8): 146-151. DOI: 146

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于BERT-AWC的文本分类方法研究

双目标函数支持向量机在情感分析中的应用

基于混沌二进制粒子群优化的KNN文本分类算法

基于改进RT-DETR的航拍小目标检测算法

基于反向体偏置的高增益稳定性高温运放设计