基于费希尔信息度量的随机近邻嵌入算法  

Fisher Information Metric Based on Stochastic Neighbor Embedding

作　　者：张亚红[1] 李玉鑑[1] 

机构地区：[1]北京工业大学计算机学院,北京100124

出　　处：《北京工业大学学报》2016年第6期862-869,共8页Journal of Beijing University of Technology

基　　金：国家自然科学基金资助项目(61175004);北京市自然科学基金资助项目(4112009);高等学校博士学科点专项科研基金资助项目(20121103110029)

摘　　要：为提高文本分类的准确率,提出了费希尔信息度量随机近邻嵌入算法(Fisher information metric based on stochastic neighbor embedding,FIMSNE).首先,把文本的词频向量看作统计流形上的概率密度样本点,利用费希尔信息度量计算样本点之间的距离;然后,从信息几何的观点出发,对t分布随机近邻嵌入(t-stochastic neighbor embedding,t-SNE)进行改进,实现了新算法.真实文本数据集上的二维嵌入和分类实验的结果表明:FIMSNE的性能在总体上优于t-SNE、费希尔信息非参数嵌入(Fisher information nonparametric embedding,FINE)和主成分分析(principal components analysis,PCA).To improve the classification accuracy of text classification, Fisher information metric based onstochastic neighbor embedding （FIMSNE） was proposed. In this paper, text word frequency vectors weretaken as probabilistic density functions that were points on a statistical manifold, and their distances weredefined by Fisher information metric. From the view of information geometry, t-stochastic neighborembedding （t-SNE） was improved to FIMSNE. That FIMSNE outperforms t-SNE, Fisher informationnonparametric embedding （FINE） and principal components analysis （PCA） in the whole was verifiedwith 2D-embedding and classification task to real text dataset.

关 键 词：文本分类 统计流形 信息几何 费希尔信息度量 t分布随机近邻嵌入 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]