以多重表示選擇文章分類的樣本

Using Multiple Representations to Select Instances for Text Classification

以機器學習方式產生分類模型是一種常見將文章自動分類的技術，但若有標記不精確的訓練資料，就可能得到錯誤的分類結果，而樣本選擇能藉由減少訓練資料集的大小來改善這個問題。本論文提出以不同的文章表示法建立多個分類模型，並據以分析訓練文章是否標記錯誤，然後刪除標記錯誤的文章，以提升訓練資料的品質。我們以電影評論的文字資料集作為實驗語料庫，透過詞彙頻率、主題模型、及詞彙向量三種表示法分別建立文章分類模型，並依據分類結果選擇樣本。實驗結果顯示，本論文所提出來的樣本選擇方法可以提升文章分類的準確度。