差错网络的文本分类反馈校正方法

中文新闻信息分类的类别数量大,难以一次性获取均衡的分类性能。针对这一问题,提出了一种基于差错网络的文本分类反馈校正方法。首先对文本进行一次分类，^根据分类结果生成有向差错网络,得到标注类别与真实类别的候选映射规则。然后计算差错网络的类别关联度参数,再对候选映射规则进行筛选,得到标注类别与真实类别的映射规则。最后根据映射规则进行二次分类，实现分类反馈校正。实验表明，差错网络清晰地反映了类别的相关度。通过映射关系进行反馈校正，比普通文本分类的F值提高了6.2%。在NLP&CC2014评测中，基于差错网络的方法平均正确率达到73%,证明了该方法的有效性。