基于神经网络集成的WEB文档分类研究  

A Study of Web Document Classification Based on Neural Network Ensembles

作　　者：周朴雄[1] 

机构地区：[1]华南理工大学电子商务学院,广州510006

出　　处：《图书情报工作》2008年第7期110-112,共3页Library and Information Service

基　　金：广东省自然科学基金项目"行业信息服务平台构建及其实现研究"(项目编号:07300647)研究成果之一。

摘　　要：将神经网络集戍思想引入Web文本分类领域,构造一个用于Web文本分类的多BP神经网络集成模型:详述模型的设计思路与结构框架,并分别在公有的英文数据集、实际的中文数据集上进行分类实验:与经典的SVM模型、KNN模型相比,神经网络集成模型具有更高的分类精度,且对于训练样本集规模具有更好的鲁棒性,不失为一种高效的文本分类新方法,研究其在文本分类领域的应用将是一个有前景的方向。Inspired by the ideas of neural network ensembles, the author constructs a multi-BP neural network ensembles modeling for the web document classification, and elaborates the design methods and the framework of model. The experimental results based the Chinese and English databases demonstrate that the model which the author points out holds the better accuracy and robust to the scale of the training set than the SVM and KNN models. As a novel and effective method, it is a promising filed to research the applications of neural network ensembles in the document classification.

关 键 词：文本分类 神经网络集成 精度 

分 类 号：TP391.1[自动化与计算机技术—计算机应用技术]