基于免疫算法的文本分類研究

借鑒免疫的生物學(xué)機(jī)理，本文提出了一種基于抗體濃度的克隆選擇算法，該算法中抗
體的選擇概率由親和度與濃度共同決定，具有高親和度和低濃度的抗體才受到促進(jìn)。該算法在文本分類領(lǐng)域得到了成功應(yīng)用。在文本分類的應(yīng)用中，抗原、B 細(xì)胞和抗體分別對(duì)應(yīng)訓(xùn)練文本、分類器的一個(gè)解和分類器的解與訓(xùn)練文本的親和度，最后訓(xùn)練完成的分類器含有多個(gè)記憶細(xì)胞，有效保證了解的多樣性。在數(shù)據(jù)集20_newsgroups[1]上的實(shí)驗(yàn)結(jié)果顯示，該方法的綜合性能指標(biāo)F1 可達(dá)80.90%，優(yōu)于Rocchio 法與Na?ve Bayes 法。
關(guān)鍵詞文本分類，免疫，克隆選擇，抗體濃度
隨著網(wǎng)絡(luò)的快速發(fā)展，數(shù)字化文本也得到了爆炸性的增長(zhǎng)，隨之而來(lái)的問題就是如何管
理和利用這些資源。通常，文本資源的管理都是建立在自動(dòng)文本分類的基礎(chǔ)上的。
自動(dòng)文本分類的任務(wù)是把未知類別的文本分到已知類別中，實(shí)現(xiàn)對(duì)文本的分類管理。文
本分類涉及到人工智能、模式識(shí)別、機(jī)器學(xué)習(xí)、統(tǒng)計(jì)理論等學(xué)科，已經(jīng)有很多方法成功應(yīng)用到分類中，如樸素貝葉斯、K 近鄰、Rocchio、決策樹、支持向量機(jī)等[2]。
本文基于免疫算法對(duì)文本分類進(jìn)行研究，旨在針對(duì)大規(guī)模文本時(shí)提高分類性能。
本文結(jié)構(gòu)如下：第二節(jié)介紹相關(guān)的免疫概念及生物學(xué)機(jī)理，第三節(jié)介紹克隆選擇算法并
提出基于抗體濃度的克隆選擇算法，第四節(jié)為其在文本分類中的應(yīng)用，第五節(jié)給出實(shí)驗(yàn)結(jié)果，最后總結(jié)全文。