登录 | 注册 | 充值 | 退出 | 公司首页 | 繁体中文 | 满意度调查
综合馆
基于PU学习的建议语句分类方法
  • 摘要

    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.

  • 作者

    张璞  刘畅  李逍  ZHANG Pu  LIU Chang  LI Xiao 

  • 作者单位

    重庆邮电大学 计算机科学与技术学院,重庆,400065

  • 刊期

    2019年3期 ISTIC PKU

  • 关键词

    建议挖掘  建议语句分类  PU学习  自编码器  多层感知机 

相似文献 查看更多>>
3.227.249.234