商品
图书

中日韩泰🌏亚洲风味一站打卡！

🌞一站式解决你的防晒烦恼！

💐 献礼母亲节 感恩专区88折

一键Get网红超市必买清单

【赛博玄学】留子Final开运

💄价格香香的3CE经典出新色喽！🎨

还是Fancl有效果❗❗❗

美容院搬回家🤩夏季焕颜 精选美容仪大放价

  • 搜索历史
  • 热门搜索
商品分类
大中华区
日本
韩国
热销榜单
新品上架
特惠专区
礼卡
社区
更多
登录/注册

简体中文

English 简体中文 繁體中文 한국어 日本語
{{sellerTotalView > 1 ? __("sellers", {number: sellerTotalView}) : __("seller", {number: sellerTotalView}) }}, {{numTotalView > 1 ? __("items", {number: numTotalView}) : __("item", {number: numTotalView}) }}
免运费

去购物车结算 Yamibuy
Yami

Nickname

请告诉我们怎么更好地称呼你

更新你的名字
账户 订单 收藏
积分 0
优惠券 0
礼品卡余额 $0.00
{{ inviteNavTitle }}
退出登录

切换配送区域

不同区域的库存和配送时效可能存在差异.

历史邮编

{{email ? __('Got it!') : __('Restock Alert')}}

我们将在商品到货后第一时间通知你。

取消
Yami

京东图书

基于半监督与集成学习的文本分类方法

去购物车结算 Yamibuy
{{buttonTypePin == 3 ? __("Scan to view more PinGo") : __("Scan to start")}}
图书 计算机与互联网 计算机理论、基础知识
京东图书

基于半监督与集成学习的文本分类方法

{{__(":people-members", {'people': item.limit_people_count})}} {{ itemCurrency }}{{ item.valid_price }} {{ itemCurrency }}{{ item.invalid_price }} {{ itemDiscount }}
后结束
{{ itemCurrency }}{{ item.valid_price }}
{{ itemCurrency }}{{ priceFormat(item.valid_price / item.bundle_specification) }}/{{ item.unit }}
{{ itemDiscount }}
{{ itemCurrency }}{{ item.valid_price }} {{ itemCurrency }}{{ priceFormat(item.valid_price / item.bundle_specification) }}/{{ item.unit }} {{ itemCurrency }}{{ item.invalid_price }} {{itemDiscount}}
{{ itemCurrency }}{{ item.valid_price }}
后结束促销
后开始秒杀 后结束秒杀
{{ getSeckillDesc(item.seckill_data) }}
{{ __( "Pay with Gift Card to get sale price: :itemCurrency:price", { 'itemCurrency' : itemCurrency, 'price' : (item.giftcard_price ? priceFormat(item.giftcard_price) : '0.00') } ) }} ({{ itemCurrency }}{{ priceFormat(item.giftcard_price / item.bundle_specification) }}/{{ item.unit }}) 详情
商品有效期

已下架

当前地址无法配送
已售完

商品描述

展开全部描述
内容简介

文本分类技术广泛应用于新闻媒体、网络期刊文献、数字图书馆、互联网等领域，是人类处理海量文本信息的重要手段。
《基于半监督与集成学习的文本分类方法》重点探讨了利用信息论中的评估函数量化特征权值的方法；基于权值调整改进Co-training的算法；利用互信息或CHI统计量构造特征独立模型，进行特征子集划分的方法；基于投票熵维护样本权重的BoostVE分类模型；融合半监督学习和集成学习的SemiBoost-CR分类模型。
其中特征选择和权值调整方法、基于特征独立模型划分特征子集的方法适用于文本分类，其他算法不仅适用于文本分类，对机器学习和数据挖掘的其他研究也有较大的参考价值和借鉴作用。
目录

第1章 绪论
1.1 研究背景及意义
1.1.1 数据挖掘和文本挖掘
1.1.2 文本分类及其面临的问题
1.2 国内外相关研究
1.2.1 半监督学习
1.2.2 集成学习
1.3 本书内容组织

第2章 文本分类技术概述
2.1 文本分类预处理
2.2 文本的表示
2.3 特征选择
2.3.1 初始特征选择
2.3.2 特征选择算法
2.4 文本分类算法
2.4.1 质心向量分类算法
2.4.2 K近邻分类算法
2.4.3 贝叶斯分类算法
2.4.4 关联规则分类算法
2.4.5 支持向量机
2.4.6 其他分类算法
2.5 实验数据集
2.6 分类模型的评估方法
2.7 本章小结

第3章 TEF-WA权值调整技术
3.1 特征选择存在的问题
3.2 TEF-WA权值调整技术
3.2.1 TEF-WA权值调整的基本思想
3.2.2 各种评估函数的TEF-WA权值调整
3.3 实验结果与分析
3.3.1 TEF-WA权值调整的有效性
3.3.2 不同评估函数的权值调整
3.3.3 评估比较
3.4 本章小结

第4章 结合TEF-WA技术的Co-training改进算法
4.1 Co-training算法及其存在的问题
4.2 基于TEF-WA的特征多视图
4.2.1 TEF-WA技术
4.2.2 基于TEF-WA的特征多视图
4.3 基分类器间的差异性评估
4.4 TV-SC算法与TV-DC算法
4.5 实验结果及其分析
4.6 本章小结

第5章 基于特征独立模型的Co-training改进算法
5.1 特征独立模型
5.1.1 基于条件互信息的相互独立性
5.1.2 基于条件2统计量的相互独立性
5.1.3 特征独立模型
5.2 特征子集划分算法PMID
5.3 基于MID-Model的改进算法SC-PMID
5.4 实验结果及其分析
5.4.1 PMID-MI与PART-Rnd的实验比较
5.4.2 PMID-CHI与PART-Rnd的实验比较
5.4.3 PMID-MI、PMID-CHI和PART-Rnd的实验比较
5.4.4 SC-PMID-MI、SC-PMID-CHI和SC-PART-Rnd的
实验比较
5.5 本章小结

第6章 基于投票信息熵和多视图的AdaBoost改进算法
6.1 AdaBoost算法
6.1.1 AdaBoost算法描述
6.1.2 AdaBoost提升NB文本分类器的问题
6.2 利用特征评估函数构造多视图
6.3 基于投票信息熵的样本权重维护新策略
6.3.1 投票信息熵
6.3.2 基于投票信息熵的样本权重维护新策略
6.3.3 样本权重对NB文本分类器的扰动
6.4 BoostVE算法
6.4.1 BoostVE算法描述
6.4.2 BoostVE算法的最小训练错误上界
6.5 实验结果及其分析
6.5.1 参数 对BoostVE算法性能的影响
6.5.2 Boost VE算法与AdaBoost-MV算法、
AdaBoost算法的实验比较
6.5.3 BoostVE 算法提升NB文本分类器的有效性
6.6 本章小结

第7章 结合半监督学习的SemiBoost-CR分类模型
7.1 SemiBoost-CR模型的目标函数
7.2 未标注样本的置信度
7.2.1 基于K近邻的置信度
7.2.2 基于最大差距的置信度
7.3 基于置信度的重取样策略
7.4 样本权重维护策略
7.5 SemiBoost-CR分类算法
7.6 实验结果及其分析
7.6.1 未标注近邻样本对置信度conf1的影响
7.6.2 两种置信度方法conf1和conf2的实验比较
7.6.3 topN和bottomN对SemiBoost-CR模型的影响
7.7 本章小结

第8章 文本自动分类系统SECTCS
8.1 系统简介
8.2 系统总体结构
8.3 系统的用户界面
8.4 实验数据集
8.5 本章小结
结束语
参考文献
精彩书摘

《基于半监督与集成学习的文本分类方法》：
②根据特征的辨别能力，筛选出一定数量的特征；
③调整特征的权重，强调辨别能力强的特征，抑制没有辨别能力或辨别能力低的特征。
步骤①的实现通常是构造一种特征评估函数来计算每个特征的辨别能力。常用的评估函数是从信息论中延伸出来的，用于给各个特征词条打分，很好地反映了词条与各类之间的相关程度，如文本频率（Document Frequency）、信息增益（Information Gain）、期望交叉熵（Expected Cross Entropy）、互信息（Mutual Information）、x2统计量（CHI）、单词权（Term Strength）、文本证据权（the Weight ofEvidence for Text）和几率比（Odds Ratio）等。特征的辨别能力由评估分的高低来衡量。
步骤②的实现有两种方法：方法一，设置一个评估分阈值，低于该阈值的特征被删除；方法二，设置一个保留特征数阈值，必须先按照特征的评估分排序，保留排在前面的预定数量的特征。这两种方法各有优缺点。方法一的优点是不需要排序算法，时间效率高；缺点是评估分的阈值难以确定，它与评估函数有关，并且随着训练文本集的改变而变化。方法二的阈值比较好确定，缺点是必须按排序评估分排序，即使采用快速排序法，时间复杂度也是O（nlogn），n是训练文本集的特征总数。
作者提出了一种改进方法——评估分阈值比率法，综合了二者的优点。评估分阈值比率法先计算出所有特征的评估分的平均值aver score，然后设置一个比率阈值thred pi，这比方法一指定常数阈值要容易得多，而且不需要方法二中的排序过程，提高了时间效率。
步骤③一般是构造一种权重调整策略。如果没有这一步，就是普通的特征选择。权重调整的目的是突出重要的特征、抑制次要的特征。TF—IDF权重函数根据特征的逆文本频率IDF调整权重。分析TFIDF权重函数，逆文本频度IDF不能很好地反映特征的重要性，然而使用文本处理中的一些常用的评估函数独立地给每个特征打分，评估分的高低能够很好地代表特征的重要性，因此很自然地想到使用一些常用的评估函数代替逆文本频度IDF进行权重调整，这就是作者的TEF—WA（Term Evaluation Function—WeightAdjustment）权值调整技术的基本思想。新的权值函数称为TF—TEF权重函数，TEF（Term Evaluation Function）代表特征评估函数，TF—TEF权重公式如下。
……

规格参数

品牌 京东图书
品牌属地 中国
ISBN 9787121212567
著者 唐焕玲
出版社 电子工业出版社
用纸 胶版纸
包装 平装
出版时间 2013-08-01
页数 188
语言 中文
版次 1

免责声明

产品价格、包装、规格等信息如有调整，恕不另行通知。我们尽量做到及时更新产品信息，但请以收到实物为准。使用产品前，请始终阅读产品随附的标签、警告及说明。

查看详情
加入收藏
{{ $isZh ? coupon.coupon_name_sub : coupon.coupon_ename_sub | formatCurrency }}
详情
{{__("Buy Directly")}} {{ itemCurrency }}{{ item.directly_price }}
数量
{{ quantity }}
{{ instockMsg }}
{{ limitText }}
{{buttonTypePin == 3 ? __("Scan to view more PinGo") : __("Scan to start")}}
由 京东图书 销售
送至
{{ __("Ship to United States only") }}
满$69免运费
正品保证
查看详情
地区

{{ regionInfo.title }}

已加入购物车

继续逛逛

为你推荐

{{ item.brand_name }}

{{ item.item_name }}

{{ item.currency }}{{ item.market_price }}

{{ item.currency }}{{ item.unit_price }}

{{ item.currency }}{{ item.unit_price }}

优惠券

{{ coupon.coupon_name_new | formatCurrency }}
领取 已领取 已领完
{{ getCouponDescStr(coupon) }}
{{ coupon.use_time_desc }}
即将过期： {{ formatTime(coupon.use_end_time) }}

分享给好友

取消

亚米礼卡专享价

使用礼卡支付即可获得礼卡专享价

规则说明

礼卡专享价是部分商品拥有的特殊优惠价格；

购买礼卡专享价商品时，若在结算时使用电子礼卡抵扣支付，且礼卡余额足够支付订单中所有礼卡专享价商品的专享价总和，则可以启用礼卡专享价；

不使用礼卡支付，或礼卡余额不满足上一条所述要求时，将无法启用礼卡专享价，按照普通售价计算，但您仍然可以购买这些商品；

在购买礼卡专享价商品时，若余额不足，可以在购物车或结算页中点击“充值”按钮对礼卡进行购买和充值；

商品若拥有礼卡专享价，会显示“专享”的特殊价格标记；

如有疑问，请随时联系客服；

礼卡专享价相关规则最终解释权归亚米所有。

由 亚米 销售

服务保障

Yami 满$49免运费
Yami 无忧退换
Yami 从美国发货

配送信息

  • 美国

    标准配送 $5.99（不包含阿拉斯加，夏威夷），最终价满$49免运费

    本地配送$5.99(加州，纽约州，新泽西，麻省和宾夕法尼亚，以上州部分地区);最终价满$49免运费

    两日达（包含阿拉斯加夏威夷）运费$19.99起

退换政策

亚米网希望为我们的客户提供最优秀的售后服务，让所有人都能放心在亚米购物。亚米自营商品在满足退换货条件的情况下，可在收到包裹的30天之内退换商品（食品因商品质量问题7天内可退换；为了确保每位客户都能获得安全和高质量的商品，对于美妆类产品，一经开封或使用即不提供退款或退货服务，质量问题除外；其他特殊商品需联系客服咨询）。
感谢您的理解和支持。

查看详情

由 亚米 销售

亚米电子礼品卡使用规则

若购买时选择自动充值，订单完成后礼卡将自动充值到您的账户中；

若购买时选择发送邮件，订单完成后系统将自动发送卡号和密码到您填写的邮箱；

发送邮件时，任何用户均可使用邮件中的卡号密码进行礼卡充值，请妥善保管邮件信息。

如接收邮件遇到问题，请联系客服处理；

发送邮件时，若礼卡没有被兑换，可以补发邮件。若已经被其他用户兑换，则无法补偿；

亚米网电子礼卡可用于购买自营或第三方商品；

亚米网电子礼卡没有有效期限制，长期有效；

亚米网电子礼卡的金额，可分多次使用；

亚米网电子礼卡业务规则，最终解释权归亚米网所有。

退换政策

已消费的电子礼卡不支持退款。

由 京东图书 销售

服务保障

Yami 满$49免运费
Yami 最优售后
Yami 美国本土发货

配送信息

  • 美国

    标准配送 $5.99（不包含阿拉斯加，夏威夷），最终价满$49免运费

    本地配送$5.99(加州，纽约州，新泽西，麻省和宾夕法尼亚，以上州部分地区);最终价满$49免运费

    两日达（包含阿拉斯加夏威夷）运费$19.99起

退换政策

提供30天内退还保障。产品需全新未使用原包装内，并附有购买凭据。产品质量问题、或错发漏发等,由商家造成的失误，将进行补发,或退款处理。其它原因需退货费用由客户自行承担。

由 京东图书 销售

服务保障

Yami 跨店满$69免运费
Yami 30天退换保障

亚米-中国集运仓

由亚米从中国精选并集合各大优秀店铺的商品至亚米中国整合中心，合并包裹后将一次合包跨国邮寄至您的地址。跨店铺包邮门槛低至$69。您将在多商家集合提供的广泛选品中选购商品，轻松享受跨店铺包邮后的低邮费。

退换政策

提供30天内退换保障。产品需在全新未使用的原包装内，并附有购买凭据。产品质量问题、错发、或漏发等由商家造成的失误，将进行退款处理。其它原因造成的退换货邮费客户将需要自行承担。由于所有商品均长途跋涉，偶有简易外包压磨等但不涉及内部质量问题者，不予退换。

配送信息

亚米中国集运 Consolidated Shipping 运费$9.99（订单满$69 包邮）

下单后2个工作日中国商家发货，所有包裹抵达亚米中国整合中心（除特别情况及中国境内个别法定节假日外）会合并包裹后通过UPS发往美国。UPS从中国发货后到美国境内的平均时间为10个工作日左右，根据直发单号可随时跟踪查询。受疫情影响，目前物流可能延迟5天左右。包裹需要客人签收。如未签收，客人须承担包裹丢失风险。

由 京东图书 销售

服务保障

满$69免运费
正品保证

配送信息

Yami Consolidated Shipping 运费$9.99（订单满$69包邮）


下单后1-2个工作日内发货。 物流时效预计7-15个工作日。 如遇清关，交货时间将延长3-7天。 最终收货日期以邮政公司信息为准。

积分规则

不参加任何折扣活动以及亚米会员积分制度。

退换政策

提供30天内退还保障。产品需全新未使用原包装内，并附有购买凭据。产品质量问题、或错发漏发等,由商家造成的失误，将进行补发,或退款处理。其它原因需退货费用由客户自行承担。

转盘抽奖

转盘抽奖
Yami

下载亚米应用

返回顶部

为你推荐

品牌故事

京东图书

为您推荐

Yami
欣葉
2种选择
欣叶 御大福 芋头麻薯 180g
144

周销量 600+

$1.66 $1.99 83折
Yami
欣葉
2种选择
欣叶 御大福 芋头麻薯 180g
144

周销量 600+

$1.66 $1.99 83折
Yami
欣葉
2种选择
欣叶 御大福 芋头麻薯 180g
144

周销量 600+

$1.66 $1.99 83折
Yami
欣葉
2种选择
欣叶 御大福 芋头麻薯 180g
144

周销量 600+

$1.66 $1.99 83折
Yami
欣葉
2种选择
欣叶 御大福 芋头麻薯 180g
144

周销量 600+

$1.66 $1.99 83折
Yami
欣葉
2种选择
欣叶 御大福 芋头麻薯 180g
144

周销量 600+

$1.66 $1.99 83折

评论{{'('+ commentList.posts_count + ')'}}

分享你的感受，帮助更多用户做出选择。

写评论
{{ totalRating }} 写评论

  • {{i}}星

    {{i}}星

    {{ parseInt(commentRatingList[i]) }}%

Yami Yami
{{ comment.user_name }}

{{ showTranslate(comment) }}收起

{{ strLimit(comment,800) }}查看全部

Show Original

{{ comment.content }}

Yami
查看更多

{{ formatTime(comment.in_dtm) }} 已购买 {{groupData}}

{{ comment.likes_count }} {{ comment.likes_count }} {{ comment.reply_count }} {{comment.in_user==uid ? __('Delete') : __('Report')}}
Yami Yami
{{ comment.user_name }}

{{ showTranslate(comment) }}收起

{{ strLimit(comment,800) }}查看全部

Show Original

{{ comment.content }}

Yami
查看更多

{{ formatTime(comment.in_dtm) }} 已购买 {{groupData}}

{{ comment.likes_count }} {{ comment.likes_count }} {{ comment.reply_count }} {{comment.in_user==uid ? __('Delete') : __('Report')}}

暂无符合条件的评论

更多评论

评论详情

Yami Yami

{{commentDetails.user_name}}

{{ showTranslate(commentDetails) }}收起

{{ strLimit(commentDetails,800) }}查看全部

Show Original

{{ commentDetails.content }}

Yami
查看更多

{{ formatTime(commentDetails.in_dtm) }} 已购买 {{groupData}}

{{ commentDetails.likes_count }} {{ commentDetails.likes_count }} {{ commentDetails.reply_count }} {{commentDetails.in_user==uid ? __('Delete') : __('Report')}}

请输入内容

回复{{'(' + replyList.length + ')'}}

Yami Yami

{{ reply.reply_user_name }}回复{{ reply.parent_user_name }}

{{ showTranslate(reply) }}收起

{{ strLimit(reply,800) }}查看全部

Show Original

{{ reply.reply_content }}

{{ formatTime(reply.reply_in_dtm) }}

{{ reply.reply_likes_count }} {{ reply.reply_likes_count }} {{ reply.reply_reply_count }} {{reply.reply_in_user==uid ? __('Delete') : __('Report')}}

请输入内容

取消

End

发表评论
商品评分

请输入评论

  • 一个好的昵称，会让你的评论更受欢迎！
  • 修改了这里的昵称，个人资料中的昵称也将被修改。
感谢你的评论
你的好评可以帮助我们的社区发现更好的亚洲商品。

举报

取消

确认删除该评论吗？

取消

历史浏览

品牌故事

京东图书