2.845

2023影响因子

(CJCR)

  • 中文核心
  • EI
  • 中国科技核心
  • Scopus
  • CSCD
  • 英国科学文摘

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于多种群协同优化的文本分类规则抽取方法

刘赫 刘大有 裴志利 高滢

刘赫, 刘大有, 裴志利, 高滢. 基于多种群协同优化的文本分类规则抽取方法. 自动化学报, 2009, 35(10): 1334-1340. doi: 10.3724/SP.J.1004.2009.01334
引用本文: 刘赫, 刘大有, 裴志利, 高滢. 基于多种群协同优化的文本分类规则抽取方法. 自动化学报, 2009, 35(10): 1334-1340. doi: 10.3724/SP.J.1004.2009.01334
LIU He, LIU Da-You, PEI Zhi-Li, GAO Ying. Rule Extraction Approach to Text Categorization Based on Multi-population Collaborative Optimization. ACTA AUTOMATICA SINICA, 2009, 35(10): 1334-1340. doi: 10.3724/SP.J.1004.2009.01334
Citation: LIU He, LIU Da-You, PEI Zhi-Li, GAO Ying. Rule Extraction Approach to Text Categorization Based on Multi-population Collaborative Optimization. ACTA AUTOMATICA SINICA, 2009, 35(10): 1334-1340. doi: 10.3724/SP.J.1004.2009.01334

基于多种群协同优化的文本分类规则抽取方法

doi: 10.3724/SP.J.1004.2009.01334
详细信息
    通讯作者:

    刘大有

  • 中图分类号: TP391

Rule Extraction Approach to Text Categorization Based on Multi-population Collaborative Optimization

More Information
    Corresponding author: LIU Da-You
  • 摘要: 针对文本分类中的规则抽取问题, 提出一种基于多种群协同优化的文本分类规则抽取方法. 该方法利用信息熵生成初始种群, 采用多种群协同优化方法演化当前种群. 多种群协同优化方法通过种群之间的相互竞争和良种共享机制提高优化方法的效率. 实验结果表明, 本文提出的文本分类规则抽取方法所抽取规则的数量少, 准确率高, 平均长度短; 同时, 本文方法所用的计算时间少, 抽取分类规则的速度快, 适用于大规模数据集.
  • 加载中
计量
  • 文章访问数:  1812
  • HTML全文浏览量:  43
  • PDF下载量:  1275
  • 被引次数: 0
出版历程
  • 收稿日期:  2008-05-27
  • 修回日期:  2009-04-15
  • 刊出日期:  2009-10-20

目录

    /

    返回文章
    返回