一种基于扩充标记样本的文本分类方法及系统

摘要

本发明提出了一种基于扩充标记样本的文本分类方法，首先采集包含已标记文本样本、未标记文本样本的真实样本数据集，然后通过聚类方法KFCM发现高可信样本来获得扩充的标记样本，再利用平方损失函数为已标记、未标记以及扩充的样本数据制定一个统一的分类目标函数，设置其中的正则化参数和核函数等参数，并学习获得文本分类函数，最后输入待分类文本数据，利用文本分类函数进行分类，获得文本的类别。本发明还提出一种文本分类系统，与其他经典分类算法以及相关算法在测试集上的错误率相比具有显著改善，解决了现有技术在标记样本较少且不准确的文本上的分类精度低的问题，且具有最好的互信息和类变量。