文本分类是多对一架构
发布网友
发布时间：2022-12-25 12:26
共1个回答
热心网友
时间：2023-10-12 10:39
博客园 首页 联系 管理
随笔 - 4 文章 - 0 评论 - 0 阅读 - 1722
文本分类
背景
文本分类属于文本挖掘。文本挖掘从已知文本提取未知的知识，即从非结构的文本中提取知识。文本挖掘主要领域：搜索和信息检索；文本聚类；文本分类；Web挖掘；信息抽取；自然语言处理；概念提取。[1]
搜索和信息检索：存储和文本文档的检索，包括搜索引擎和关键字搜索。
文本聚类：使用聚类方法，对词汇，片段，段落或者文件进行分组和归类。
文本分类：对片段，段落或文件进行分组和归类，在使用数据挖掘分类方法的基础上，经过训练地标记示例模型。
Web挖掘：在互联网上进行数据和文本的挖掘，并特别关注网络的规模和相互联系。
信息抽取：从非结构化文本中识别与提取有关的事实和关系；从非结构化或半结构化文本中抽取出结构化数据的过程。
自然语言处理：将言语作为一种有意义，有规则的系统符号，在底层解析和理解语言的任务。
文本分类方法：
一、基于模式系统。也称为专家系统，将知识以规则表达式的形式进行分类‘；
二、基于机器学习，即广义的归纳过程，采用一组与分类的例子，通过训练简历分类，是一种自动分类的技术。
中文短文本多类分类（multi-label-class）[2]
单标签多分类概述
一、单标签二分类算法
单标签的 label 标签取值只有两种，并且算法中只有一个需要预测的标签的label 标签，即分类算法构建一个分类线将数据划分为两个类别。
常用算法：Logistic、SVM、KNN、决策树等。
二、单标签多分类算法
单标签多分类：待预测的 label 只有一个，但是label 标签的取值有多个，例如，
假设有类["酸", "甜", "苦", "辣", "香"]， "这个水果点酸"(label="酸")，"这个菜看起来很香"(label="香")；
常见算法：Softmax、SVM、KNN、决策树（集成学习 ----RF（Bagging）、Boosting（Adaboost、GBDT）；XGBoost）
多分类问题转换为二分类算法的延伸，即将多分类任务拆分为若 干个二分类任务求解，
具体的策略如下：
One-Versus-One(ovo)：一对一
One-Versus-All /
