Kinh doanh - Marketing
Kinh tế quản lý
Biểu mẫu - Văn bản
Tài chính - Ngân hàng
Công nghệ thông tin
Tiếng anh ngoại ngữ
Kĩ thuật công nghệ
Khoa học tự nhiên
Khoa học xã hội
Văn hóa nghệ thuật
Sức khỏe - Y tế
Văn bản luật
Nông Lâm Ngư
Kỹ năng mềm
Luận văn - Báo cáo
Giải trí - Thư giãn
Tài liệu phổ thông
Văn mẫu
Giới thiệu
Đăng ký
Đăng nhập
Tìm
Danh mục
Kinh doanh - Marketing
Kinh tế quản lý
Biểu mẫu - Văn bản
Tài chính - Ngân hàng
Công nghệ thông tin
Tiếng anh ngoại ngữ
Kĩ thuật công nghệ
Khoa học tự nhiên
Khoa học xã hội
Văn hóa nghệ thuật
Y tế sức khỏe
Văn bản luật
Nông lâm ngư
Kĩ năng mềm
Luận văn - Báo cáo
Giải trí - Thư giãn
Tài liệu phổ thông
Văn mẫu
Thông tin
Điều khoản sử dụng
Quy định bảo mật
Quy chế hoạt động
Chính sách bản quyền
Giới thiệu
Đăng ký
Đăng nhập
0
Trang chủ
Luận Văn - Báo Cáo
Báo cáo khoa học
Báo cáo khoa học: "Hierarchical Multi-Class Text Categorization with Global Margin Maximization"
Đang chuẩn bị liên kết để tải về tài liệu:
Báo cáo khoa học: "Hierarchical Multi-Class Text Categorization with Global Margin Maximization"
Thành Trung
85
4
pdf
Đang chuẩn bị nút TẢI XUỐNG, xin hãy chờ
Tải xuống
Text categorization is a crucial and wellproven method for organizing the collection of large scale documents. In this paper, we propose a hierarchical multi-class text categorization method with global margin maximization. We not only maximize the margins among leaf categories, but also maximize the margins among their ancestors. Experiments show that the performance of our algorithm is competitive with the recently proposed hierarchical multi-class classification algorithms. | Hierarchical Multi-Class Text Categorization with Global Margin Maximization Xipeng Qiu School of Computer Science Fudan University xpqiu@fudan.edu.cn Wenjun Gao School of Computer Science Fudan University wjgao616@gmail.com Xuanjing Huang School of Computer Science Fudan University xjhuang@fudan.edu.cn Abstract Text categorization is a crucial and well-proven method for organizing the collection of large scale documents. In this paper we propose a hierarchical multi-class text categorization method with global margin maximization. We not only maximize the margins among leaf categories but also maximize the margins among their ancestors. Experiments show that the performance of our algorithm is competitive with the recently proposed hierarchical multi-class classification algorithms. 1 Introduction In the past serval years hierarchical text categorization has become an active research topic in database area Koller and Sahami 1997 Weigend et al. 1999 and machine learning area Rousu et al. 2006 Cai and Hofmann 2007 . Hierarchical categorization methods can be divided in two types local and global approaches Wang et al. 1999 Sun and Lim 2001 . A local approach usually proceeds in a top-down fashion which firstly picks the most relevant categories of the top level and then recursively making the choice among the low-level categories. The global approach builds only one classifier to discriminate all categories in a hierarchy. Due that the global hierarchical categorization can avoid the drawbacks about those high-level irrecoverable error it is more popular in the machine learning domain. The essential idea behind global approach is that the close classes nodes have some common underlying factors. Especially the descendant classes can share the characteristics of the ancestor classes which is similar with multi-task learn-ing Caruana 1997 . A key problem for global hierarchical categorization is how to combine these underlying factors. In this paper we propose an .
TÀI LIỆU LIÊN QUAN
Báo cáo khoa học: "A Topic Similarity Model for Hierarchical Phrase-based Translation"
Báo cáo khoa học: "Modeling Topic Dependencies in Hierarchical Text Categorization"
Báo cáo khoa học: "Hierarchical Chunk-to-String Translation"
Báo cáo khoa học: "Head-Driven Hierarchical Phrase-based Translation"
Báo cáo khoa học: "Pattern Learning for Relation Extraction with a Hierarchical Topic Model"
Báo cáo khoa học: "Translation Model Size Reduction for Hierarchical Phrase-based Statistical Machine Translation"
Báo cáo khoa học: "SITS: A Hierarchical Nonparametric Model using Speaker Identity for Topic Segmentation in Multiparty Conversations"
Báo cáo khoa học: "A Discriminative Hierarchical Model for Fast Coreference at Large Scale"
Báo cáo khoa học: "Hierarchical Search for Word Alignment"
Báo cáo khoa học: "Hierarchical Joint Learning: Improving Joint Parsing and Named Entity Recognition with Non-Jointly Labeled Data"
crossorigin="anonymous">
Đã phát hiện trình chặn quảng cáo AdBlock
Trang web này phụ thuộc vào doanh thu từ số lần hiển thị quảng cáo để tồn tại. Vui lòng tắt trình chặn quảng cáo của bạn hoặc tạm dừng tính năng chặn quảng cáo cho trang web này.