基于极限学习机的中文文本分类方法

作者：程东生; 范广璐; 俞雯静; 伍飞; 曾伟波中文文本分类极限学习机特征融合单隐层神经网络电网档案管理系统

摘要：针对当前中文文本分类方法难以平衡分类精度和学习效率的问题,提出了一种基于极限学习机（ELM）的中文文本分类方法,该方法包括预处理模块、文本特征提取模块、特征融合模块和基于极限学习机的分类模块。在分类模块中,提出采用单隐层神经网络作为分类器并使用ELM算法来训练分类器,有效地平衡模型性能和学习效率。同时分别针对不同的特征训练分类器,集成不同分类器的输出得到最后的分类结果,有效提高了平衡分类精度,并在电网档案管理系统的档案归类任务中对该模型进行应用评估。实验结果表明,该模型不仅有较高的分类精度,而且在训练和测试两个阶段模型的计算都具有较低的代价。所提方法适用于海量数据下的中文文本分类场景,具有重要的研究意义和推广价值。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社