[发明专利]一种半监督多视图学习的网页分类方法

权利要求书

1.一种半监督多视图学习的网页分类方法，其特征在于，所述方法包括：

步骤S1：从网页中获取数据，建立训练集；

所述训练集包括已标记训练集和未标记训练集；

所述已标记训练集为进行过信息识别的数据集；

所述未标记训练集为未进行信息识别的数据集；

步骤S2：通过已标记训练集训练分类器，使用验证集计算分类器的准确率；

步骤S3：通过训练好的分类器对已标记训练集和未标记训练集进行编码，获取样本特征；

步骤S4：对样本特征进行密度聚类，获取聚类结果；

步骤S5：根据聚类结果对未标记训练集的样本进行分类；

步骤S6：若步骤S2中分类器对样本的分类与步骤S5中根据聚类结果对样本的分类一致，则被分类的样本与其分类标记加入到已标记训练集；

步骤S7：若未标记训练集存在样本，执行步骤S8，否则结束分类；

步骤S8：若本轮为第一轮或本轮与上一轮对比，步骤S2中的准确率有所提升，执行步骤S2-S7，否则结束分类；

所述分类器包括：多视图网络(multiview)、孪生网络(siamese)、分类网络(classifier)；

所述分类器的目标函数为：

L＝λ₁(L_diff+L_adv)+λ₂L_con+L_c；

其中λ₁与λ₂为权重系数，L_diff为多视图网络的正交损失函数，L_adv为多视图网络的对抗相似损失函数，L_Con为孪生网络的对比损失函数，L_c为分类网络的交叉熵损失函数。

2.根据权利要求1所述的一种半监督多视图学习的网页分类方法，其特征在于，所述训练分类器包括训练多视图网络：

步骤S2.1：根据对样本不同的角度的描述，至少构成两个视图；

所述样本为其中x表示已标记训练集，i表示训练集的第i个样本，k表示样本的第k个视图；

步骤S2.2：每个视图包含视图间的共享信息和视图内的专有信息，使用不同的矩阵对视图的信息进行转换；

专有信息：其中W_s为提取专有信息特征的矩阵，R为实数空间，其维度分别为r与d_k；

共享信息：其中W_c为提取共享信息特征的矩阵，R为实数空间，其维度分别为r与d_k；

视图信息：

共享信息取均值表示：

其中M为样本的视图总数；

步骤S2.3：把多个视图的专有信息与共享信息连接，样本所有视图的信息表示为：

3.根据权利要求2所述的一种半监督多视图学习的网页分类方法，其特征在于，所述正交损失函数为：

其中，S表示k视图的共享信息输出矩阵，H表示k视图的专有信息输出矩阵，是平方Frobenius项。

4.根据权利要求2所述的一种半监督多视图学习的网页分类方法，其特征在于，所述对抗相似损失函数为：

其中，G代表生成器，用于根据视图的原始信息生成共享信息，其生成过程为：D代表判定器，用于鉴别共享信息所属的视图，鉴别的概率为：θ_G与θ_D为生成器G与判定器D的参数，N为样本总个数。