Indexed by：
Abstract：
半监督文本分类中已标记数据与未标记数据分布不一致，可能导致分类器性能较低。为此，提出一种利用蚁群聚集信息素浓度的半监督文本分类算法。将聚集信息素与传统的文本相似度计算相融合，利用Top-k策略选取出未标记蚂蚁可能归属的种群，依据判断规则判定未标记蚂蚁的置信度，采用随机选择策略，把置信度高的未标记蚂蚁加入到对其最有吸引力的训练种群中。在标准数据集上与朴素贝叶斯算法和EM算法进行对比实验，结果表明，该算法在精确率、召回率以及F1度量方面都取得了更好的效果。
Keyword：
Reprint Author's Address：
Email：
Source ：
计算机工程
ISSN： 1000-3428
Year： 2014
Issue： 11
Page： 167-171
Cited Count：
WoS CC Cited Count： 0
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count： 6
Chinese Cited Count：
30 Days PV： 5
Affiliated Colleges：
