基于粗糙集的多標(biāo)記文本分類方法研究.pdf

1、各種電子商務(wù)平臺及社交媒體網(wǎng)站的廣泛涌現(xiàn)，使得互聯(lián)網(wǎng)上累積了廣大用戶關(guān)于產(chǎn)品性能及消費(fèi)體驗(yàn)的海量評價(jià)文本數(shù)據(jù)，這些數(shù)據(jù)中不僅隱含著用戶的消費(fèi)行為模式，而且隱含著產(chǎn)品性能及商家服務(wù)的局限性信息。此類數(shù)據(jù)的分析與挖掘?qū)τ诜治鲇脩粝M(fèi)行為，服務(wù)電子商務(wù)決策，改善營銷策略具有重要的現(xiàn)實(shí)意義。對文本挖掘而言，經(jīng)典的單標(biāo)記監(jiān)督學(xué)習(xí)方法已經(jīng)難以滿足多樣性文本信息的處理需求。因此，對多標(biāo)記文本分類方法的研究，以及合理使用多標(biāo)記學(xué)習(xí)方法處理各類文本數(shù)據(jù)，

2、對文本數(shù)據(jù)挖掘而言，具有重要意義。粗糙集作為一種處理不確定信息的有效工具，該理論在分類規(guī)則學(xué)習(xí)和屬性約簡方面都取得了很多研究成果。本文以實(shí)際應(yīng)用——網(wǎng)頁文檔分類和產(chǎn)品評論方面挖掘?yàn)楸尘埃诖植诩碚搶Χ鄻?biāo)記文本的分類方法開展研究，主要內(nèi)容和結(jié)論如下：
　　（1）多標(biāo)記文本語料的構(gòu)建與分析
　　本文選取大量網(wǎng)頁文檔和汽車產(chǎn)品評論數(shù)據(jù)作為實(shí)驗(yàn)語料，對面向主題的網(wǎng)頁文檔和面向觀點(diǎn)挖掘的評論文本所涉及的多標(biāo)記問題，結(jié)合多標(biāo)記文本挖

3、掘方法，構(gòu)建中文多標(biāo)記文本數(shù)據(jù)集。同時(shí)，針對產(chǎn)品評論中的多方面性能評價(jià)問題，提出一種基于多標(biāo)記學(xué)習(xí)的識別框架。
　?。?）基于穩(wěn)健模糊粗糙集模型的多標(biāo)記文本分類
　　為應(yīng)對多標(biāo)記數(shù)據(jù)的不確定性及噪聲，提出了一種新的多標(biāo)記穩(wěn)健模糊粗糙分類模型。該模型是處理單標(biāo)記分類問題的k-mean穩(wěn)健統(tǒng)計(jì)量模糊粗糙分類模型的擴(kuò)展應(yīng)用。對于每個(gè)待分類數(shù)據(jù)，首先根據(jù)文本相似性計(jì)算方法，得到其相對于各標(biāo)記的隸屬度；然后根據(jù)隸屬度定義待分類數(shù)據(jù)與各

4、標(biāo)記的相關(guān)度；最后為每一組相關(guān)度賦予合適的閾值，得到相關(guān)的標(biāo)記集合。在真實(shí)多標(biāo)記文本數(shù)據(jù)集以及常用多標(biāo)記評測指標(biāo)上的實(shí)驗(yàn)結(jié)果表明，所提模型在多標(biāo)記網(wǎng)頁文本的主題分類問題上，取得了很好的效果。
　?。?）基于粗糙集的鏈?zhǔn)綄偬卣鞫喾矫孀R別
　　針對產(chǎn)品評論文本中的多方面性能評價(jià)問題，提出一種基于粗糙集的鏈?zhǔn)綄偬卣鞫喾矫孀R別方法。該方法以粗糙集理論為基礎(chǔ)，通過為每個(gè)方面標(biāo)記提取標(biāo)記相關(guān)的專屬特征，構(gòu)建專屬特征分類器鏈，以多標(biāo)記