基于相异性空间和多分类器融合的文本分类方法

提出了基于相异性表征和多分类器融合的文本分类方法。首先,文档特征向量通过不同的相异性表征变换词袋法获得低维表示形式;然后,为了避免最优表征集的搜索陷入局部最优,对多分类器的响应进行合并,并在不同的相异性空间上训练数据。最后,在测试阶段,通过表征变换的多个分类器融合获得分类结果。多个数据库的实验结果表明了所提方法的有效性。与其他方法相比,所提方法在微观平均F1得分和宏观平均F1得分表现较优,准确率和稳定性较好。