[发明专利]一种融合双信息源的文本多标签分类方法

摘要

本发明涉及一种融合双信息源的文本多标签分类方法，通过网络获取文本数据，将每篇文本按不同信息源分成信息源一和信息源二，并且将不同信息源文本分别采用空间向量模型表示，通过特征矩阵构建融合多种不同视角和特点的信息源的分类器，预测待分类的文本数据，得到分类标签结果，本发明设计合理、计算简单、预测准确，通过将具有不同视角和特点的两种信息源融合在模型中，提高了分类的准确性，避免了现有技术中分别对信息源构建分类器，再对多标签分类结果进行融合，导致忽略不同信息源之间、不同标签的相关性的问题，另外，通过将模型的求解过程转换成特征值的求解，不仅进一步简化了计算过程，而且还进一步提高了模型训练效率。

主权项

一种融合双信息源的文本多标签分类方法，其特征在于，包括以下步骤：S1)、从网络爬取所需要的文本数据作为训练文本数据；S2)、并对获取的训练文本数据进行预处理，踢除不需要的数据，保留有用的文本，将每篇文本数据按不同信息源分成信息源一和信息源二，然后分别将N篇文本数据的信息源一存入训练信息源一中，将信息源二存入训练信息源二中；S3)、采用空间向量模型将每篇文本数据的信息源一和信息源二分别采用所需的特征项及其对应的特征项权重表示，即：Rk＝(t1,w1；t2,w2；...tn,wn)，Tk＝(s1,v1；s2,v2；...sm,vm)，其中，ti、wi分别表示第k篇文本数据的信息源一的第i个特征项和对应的权重，si、vi表示第k篇文本数据的信息源二的第i个特征项和对应的权重，然后将特征项、特征项权重表示的训练信息源一和训练信息源二向量化得到特征矩阵X1、X2；S4)、基于将数据映射到低维空间最小化重构误差保留尽可能多的信息的原理，同时结合标签和标签之间的相关性，构建融合不同视角和特点的多个信息源融合的文本多标签分类模型，即优化如下带约束目标函数：min:α1||X1‑V1A||2+α2||X2‑V2B||2+(1‑α1‑α2)||Y‑γV1C‑(1‑γ)V2D||2，s.tV1TV1=IV2TV2=I;]]>其中，Y为多标签矩阵，α1、α2、(1‑α1‑α2)∈(0,1)、γ∈(0,1)为调节参数，A、B、C、D、V1、V2为均为线性映射过程中的参数，T为转置，I为单位矩阵，令C*＝γC，D*＝(1‑γ)D；S5)、将A、B、C、D的最优解代入到模型中，并加入线性约束和正则项，从而将S3)中的目标函数等价变换成以下计算式，计算前K个最大的特征值对应的特征向量，具体为：X1TX1wi=λi[X1TO1-1X1+γ1I]wi,]]>X2TX2vi=λi[X2TO2-1X2+γ2I]vi,]]>其中，从而得到训练信息源一前K个特征向量组成的矩阵W1＝(w1,w2,...wK)和训练信息源二的前J个特征向量组成的矩阵W2＝(v1,v2,...vJ)，从而得到训练好的双信息源的文本多标签分类模型；S6)、获取需要预测的测试文本数据，并按照步骤S2、S3)对待预测数据进行预处理和向量化得到相应的测试信息源一、测试信息源二对应的特征矩阵X1test、X2test，并输入到训练好的双信息源的文本多标签分类模型，根据Ypredit＝X1test×W1×C*+X2test×W2×D*，得到待预测文本数据的预测结果Ypredit；根据预测结果Ypredit判断待测试文本的类别，其中，包括8个类别，每个预测文本数据可包括多个类别，若在相应类别下的预测结果为正数，则判定该预测文本属于该相应类别，若在相应类别下的预测结果为负数，则判定该预测文本不属于该相应类别。