论文部分内容阅读
将文本挖掘理论应用于专利信息分析，提出了一种基于多分类器融合与主动学习的交互式专利分类算法，旨在实现高效的专利分类。该算法基于训练集，利用支持向量机，针对不同的专利类别分别训练相应的子分类器，然后通过多分类器融合对各子分类器进行有机结合，以获得性能更优的分类器和形成分类决策。在此基础上，利用主动学习选取最有信息的样本进行标引，从而通过人机交互实现分类模型的更新。针对传统批量选择性采样的缺点，还提出了动态批量选择性采样模式，通过确定度传播策略有效降低标引样本冗余度，以进一步提高主动学习的效率。实验结果表明，