【出 处】：《 计算机仿真 》 CSCD 2013年第30卷第11期 268-271页,共4页

【作 者】： 卢玲 ; 杨武 ; 唐继强

【摘 要】 机器学习过程中，由于训练集不完备，有必要构建具备主动学习能力的增量模型。对基于伪相关反馈的增量模型，现有的增量学习方法提出了一些选择反馈样本的策略，但对提高反馈样本类置信度的深入研究仍具有重要意义。针对这一问题，提出了基于K—Means聚类的伪相关反馈策略。对朴素贝叶斯分类器分类后的文档，用减量寻找质心向量的方式提取反馈文档以及新特征集合，对NB分类器进行反馈，将伪相关反馈策略运用于中文文本情感分类。实验表明，提取质心向量的准确率随反馈规模的扩大有所提高。方法从一定程度上实现了将后验概率转换为先验概率，随新特征的增加，配合CHI阈值调整可获取较高的查准率和查全率，证明了方法的可行性。