基于半监督与集成学习的
文本分类方法
y5 ? W
Publishing House of Electronics Industry
北京·BEIJING
内 容 简 介
文本分类技术广泛应用于新闻媒体、网络期刊文献、数字图书馆、互联网等领域，
是人类处理海量文本信息的重要手段。
本书重点探讨了利用信息论中的评估函数量化特征权值的方法；基于权值调整改进
Co-training的算法；利用互信息或 CHI统计量构造特征独立模型，进行特征子集划分的
方法；基于投票熵维护样本权重的 BoostVE分类模型；融合半监督学习和集成学习的
SemiBoost-CR分类模型。
其中特征选择和权值调整方法、基于特征独立模型划分特征子集的方法适用于文本
分类，其他算法不仅适用于文本分类，对机器学习和数据挖掘的其他研究也有较大的参
考价值和借鉴作用。
本书适合研究方向为文本挖掘、机器学习的硕士、博士研究生及相关专业技术人员
学习和参考。
未经许可，不得以任何方式复制或抄袭本书之部分或全部内容。
版权所有，侵权必究。
图书在版编目（ CIP）数据
基于半监督与集成学习的文本分类方法/唐焕玲著．—北京：电子工业出版社， 2013.8
ISBN 978-7-121-21256-7
Ⅰ. ①基… Ⅱ. ①唐… Ⅲ. ①文字处理—研究 Ⅳ. ①TP391.1
中国版本图书馆 CIP数据核字（ 2013）第188126号
责任编辑：张 京
文字编辑：薄 宇
印 刷：
装 订：
出版发行：电子工业出版社
北京市海淀区万寿路 173信箱 邮编 100036
开 本：900×1 280 1/32 印张：5.875 字数：205千字
印 次：2013年8月第1次印刷
定 价：29.00元
凡所购买电子工业出版社图书有缺损问题，请向购买书店调换。若书店售缺，请与
本社发行部联系，联系及邮购电话：（ 010）88254888。
质量投诉请发邮件至 zlts＠phei.com.cn，盗版侵权举报请发邮件至 dbqq＠phei.com.cn。
服务热线：（ 010）88258888。
三河市鑫金马印装有限公司
三河市鑫金马印装有限公司
前 言
文本分类（ Text/Document Categorization）是指按照预先定义的主题类别，
通过一定的学习机制，在对带有类别标签的训练文本进行学习的基础上，给
未知文本分配一个或多个类别标签的过程。文本分类技术广泛应用于新闻媒
体、网络期刊文献、数字图书馆、互联网等领域，是人类处理海量文本信息
的重要手段。数据挖掘技术在信息检索、邮件过滤、 Web个性化服务等领域
的成功应用均在一定程度上依赖于准确的文本分类技术。因此，文本
《基于半监督与集成学习的文本分类方法》.pdf