|
|
1.
基于PU学习的建议语句分类方法
张璞, 刘畅, 李逍
计算机应用
2019, 39 (3):
639-643.
DOI: 10.11772/j.issn.1001-9081.2018081759
建议挖掘作为一项新兴研究任务，具有重要的应用价值。针对传统建议语句分类方法所存在的规则复杂、标注工作量大、特征维度高、数据稀疏等问题，提出一种基于PU学习的建议语句分类方法。首先，使用简单规则从无标注评论集合中选择建议语句的正例集合；然后，为了降低特征维度，缓解数据稀疏性，在自编码神经网络（Autoencoder）特征空间中使用Spy技术划分可靠反例集合；最后，利用正例集合和可靠反例集合来训练多层感知机（MLP）对剩余的无标注样例进行分类。该方法在中文数据集上的F1值和准确率值分别达到81.98%和82.67%，实验结果表明，该方法能够有效地对建议语句进行分类，且不需要对数据进行人工标注。
参考文献 |
相关文章 |
多维度评价
|
|
