公开(公告)号：CN110543563A

公开(公告)日：2019-12-06

申请号：CN201910767580.X

申请日：2019-08-20

Applicant: 暨南大学

Inventor： 刘波 ,  李洋洋

IPC: G06F16/35 ,  G06F16/31 ,  G06F17/27 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种层次型文本分类方法及系统，方法包括步骤：根据文本类标签的树型层次结构，给文本类标签层次树中的类标签节点编号；在每个非叶节点上训练分类器，分类器输出初步预测类标签概率向量，向量元素代表该文本被分为每一个类标签的概率；然后利用文本类标签之间的联系，训练调整概率矩阵，调整概率矩阵中元素是类标签被调整为各个类标签的概率；通过训练得到的调整概率矩阵对文本类标签进行全局统筹修正，构建全局层次型文本分类模型。本发明打通了类标签层与层之间的联系，可以使文本类别预测错误率在每一层都有所减少，提高层次型文本分类的准确率。

公开(公告)号：CN110543563B

公开(公告)日：2022-03-08

申请号：CN201910767580.X

申请日：2019-08-20

Applicant: 暨南大学

Inventor： 刘波 ,  李洋洋

IPC: G06F16/35 ,  G06F16/31 ,  G06F40/289 ,  G06V30/19 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种层次型文本分类方法及系统，方法包括步骤：根据文本类标签的树型层次结构，给文本类标签层次树中的类标签节点编号；在每个非叶节点上训练分类器，分类器输出初步预测类标签概率向量，向量元素代表该文本被分为每一个类标签的概率；然后利用文本类标签之间的联系，训练调整概率矩阵，调整概率矩阵中元素是类标签被调整为各个类标签的概率；通过训练得到的调整概率矩阵对文本类标签进行全局统筹修正，构建全局层次型文本分类模型。本发明打通了类标签层与层之间的联系，可以使文本类别预测错误率在每一层都有所减少，提高层次型文本分类的准确率。