您的位置： 专家智库 > >

姜亦宏

作品数：2 被引量：1H指数：1
供职机构：中国海洋大学信息科学与工程学院计算机科学与技术系更多>>
发文基金：教育部“新世纪优秀人才支持计划”山东省优秀中青年科学家科研奖励基金国家自然科学基金更多>>
相关领域：自动化与计算机技术文化科学更多>>

合作作者

文献类型

  • 1篇期刊文章
  • 1篇学位论文

领域

  • 2篇自动化与计算...
  • 1篇文化科学

主题

  • 2篇文本分类
  • 2篇海洋文献
  • 1篇极小化
  • 1篇半监督学习
  • 1篇CO-TRA...

机构

  • 2篇中国海洋大学

作者

  • 2篇姜亦宏
  • 1篇王秋红
  • 1篇张巍
  • 1篇徐建良

传媒

  • 1篇中国海洋大学...

年份

  • 1篇2010
  • 1篇2009
共 2 条 记 录，以下是 1-2
全选 清除 导出
排序方式：
海洋文献分类中极小化标注问题的研究
高效率的进行海洋文献的分类对海洋科学研究具有重要意义。目前，解决此问题较为成熟的技术是有监督的文本分类技术。但其往往存在人工标注量太大的缺点;此外，有标注资源代价昂贵，而大量无标注资源没有加以利用。半监督机器学习方法能根...
姜亦宏
关键词：海洋文献文本分类
一种基于Co-Training的海洋文献分类方法被引量：1
2010年
使用有监督机器学习方法进行海洋文献的分类往往存在人工标注量太大的缺点,针对这个问题,提出利用半监督机器学习中的协同训练(Co-training)方法来实现减小人工标注量的目标。该方法从2个View分别训练不同的分类器,在此基础上,根据少量有标注文档从大量无标注文档中获取有用信息,通过协同训练来提升2个分类器的性能,并训练出最终分类模型。实验结果表明,在人工标注仅2篇文献的条件下,该方法最终的分类性能十分接近需人工标注1 500多篇文献的有监督分类器。这说明将Co-training方法应用于海洋文献分类可以大大减小人工标注量,并有着较为良好的分类性能。
徐建良姜亦宏张巍王秋红
关键词：海洋文献文本分类半监督学习
全选 清除 导出
共1页<1>
聚类工具0