基于Stacking模型的学术论文多标签分类系统构建 |
| |
引用本文: | 刘爱琴,郭少鹏.基于Stacking模型的学术论文多标签分类系统构建[J].国家图书馆学刊,2024,33(2). |
| |
作者姓名: | 刘爱琴 郭少鹏 |
| |
作者单位: | 山西大学经济与管理学院 |
| |
摘 要: | 学术论文高质量多标签自动分类是推动学术研究发展的关键程序之一。本研究利用Stacking模型将随机森林、支持向量机、极限树、极端梯度提升和神经网络五个分类器融合为一个异质集成分类器,并利用基于问题转换思想的多二分类模型将该分类器应用于学术论文多标签分类。根据学术论文的特点,依次实现了与之配套的论文特征提取模块、TF IDF加权模块、数据预处理模块,最终构建成一个面向学术论文的多标签分类系统。仿真实验验证了本研究构建的学术论文多标签分类系统在处理学术论文多标签分类问题时,较传统的单模型分类器或同质集成模型分类器在泛化能力、稳定性与准确率方面都有一定程度的提升。图9。参考文献21。
|
关 键 词: | 论文分类 Stacking模型 多标签分类 多二分类模型 |
|
| 点击此处可从《国家图书馆学刊》浏览原始摘要信息 |
| 点击此处可从《国家图书馆学刊》下载免费的PDF全文 |