[發明專利]一種維基百科概念依賴關系識別方法

有效

• 申請號: 202011600680.2
• 申請日: 2020-12-30
• 公開（公告）號: CN112612897B
• 公開（公告）日: 2023-06-20
• 發明（設計）人: 肖奎;王時繪;張?;婁園園;周洋
• 申請（專利權）人: 湖北大學
• 主分類號: G06F16/35
• 分類號: G06F16/35;G06F16/36;G06F18/214;G06N20/20
• 代理公司: 北京眾達德權知識產權代理有限公司 11570
• 代理人: 劉杰

1.一種維基百科概念依賴關系識別方法，其特征在于，包括如下步驟：

由至少兩個的基分類器組成Bagging分類器，并由至少兩個Bagging分類器組成的Boosting分類器；

用Boosting分類器對數據集進行訓練：

前一個Bagging分類器對所有樣本完成預測，前一個Bagging分類器獲取全部的樣本數據后，其中的每個基分類器從樣本中放回式采樣，然后進行訓練；

后一個Bagging分類器觀察前一個分類器，當所有樣本輸入到第二個分類器后，把所有的樣本加上權值，并將前一個Bagging分類器預測錯誤的樣本分配的權值大于預測正確的樣本分配的權值；

樣本經過所有的Bagging分類器后，得到最終的分類結果；

輸入測試樣本，Boosting分類器預測當前樣本概念對間的依賴關系；

所述后一個Bagging分類器觀察前一個分類器，當所有樣本輸入到第二個分類器后，把所有的樣本加上權值，并將前一個Bagging分類器預測錯誤的樣本分配的權值大于預測正確的樣本分配的權值，具體包括：

初始化每個樣本的權重；

計算采樣的概率重分布，并根據計算出來的所述概率重分布進行樣例重分布并進行分類預測；

計算分類預測的錯誤率

根據錯誤率來重新調整樣例權重；

所述計算采樣的概率重分布，具體為：

其中1≤i≤N，N為樣本個數，1≤t≤T，T為迭代次數，為樣本權值；

所述計算分類預測的錯誤率，具體為：

其中P為樣本x的真實標記不等于分類器對樣本X的預測標記的概率，也就是預測錯誤的概率；yi是指樣本x真實標記；Gm(xi)是分類器對樣本xi的分類結果，可以把每一次的Bagging分類器看作一個G(xi),當所有的Bagging分類器完成預測以后，對這些Bagging分類器進行線性組合，得到最終的Boosting分類器，w_mi是樣本的權值；I(G_m(x_i)≠y_i)是指如果Gm(xi)不等于樣本的真實標記時就等于1，否則就等于0；

所述根據錯誤率來重新調整樣例權重，具體為：

更新訓練數據集的權值分布：

D_m+1＝(w_m+1，1，…，w_m+1，i，…，w_m+1，N)

其中：Zm是規范化因子，N是樣本個數；αm是Gm(xi)的系數。

2.根據權利要求1所述的一種維基百科概念依賴關系識別方法，其特征在于，所述至少兩個以上的基分類器包括：隨機森林、支持向量機、決策樹、樸素貝葉斯，隨機梯度下降。

3.根據權利要求1所述的一種維基百科概念依賴關系識別方法，其特征在于，所述由至少兩個Bagging分類器組成的Boosting分類器，具體為：

至少兩個Bagging分類器以串行方式排列組成Boosting分類器。

4.根據權利要求1所述的一種維基百科概念依賴關系識別方法，其特征在于，所述樣本集具體為：CMU數據集和AL_CPL數據集。

5.根據權利要求1所述的一種維基百科概念依賴關系識別方法，其特征在于，所述當前樣本概念對間的依賴關系，具體包括：

所述概念對分為第一概念和第二概念；

第一概念是第二概念的依賴關系；

第二概念是第一概念的依賴關系；

第一概念和第二概念是其他關系。

6.一種維基百科概念依賴關系識別裝置，其特征在于，包括如下：

Boosting分類器組成模塊：由至少兩個的基分類器組成Bagging分類器，并由至少兩個Bagging分類器組成的Boosting分類器；

Boosting分類器訓練模塊：用Boosting分類器對數據集進行訓練：

Bagging分類器訓練模塊：前一個Bagging分類器對所有樣本完成預測，前一個Bagging分類器獲取全部的樣本數據后，其中的每個基分類器從樣本中放回式采樣，然后進行訓練；

權值重分配模塊：后一個Bagging分類器觀察前一個分類器，當所有樣本輸入到第二個分類器后，把所有的樣本加上權值，并將前一個Bagging分類器預測錯誤的樣本分配的權值大于預測正確的樣本分配的權值；

分類結果獲取模塊：樣本經過所有的Bagging分類器后，得到最終的分類結果；

預測模塊：輸入測試樣本，Boosting分類器預測當前樣本概念對間的依賴關系；

所述后一個Bagging分類器觀察前一個分類器，當所有樣本輸入到第二個分類器后，把所有的樣本加上權值，并將前一個Bagging分類器預測錯誤的樣本分配的權值大于預測正確的樣本分配的權值，具體包括：

初始化每個樣本的權重；

計算采樣的概率重分布，并根據計算出來的所述概率重分布進行樣例重分布并進行分類預測；

計算分類預測的錯誤率

根據錯誤率來重新調整樣例權重；

所述計算采樣的概率重分布，具體為：

其中1≤i≤N，N為樣本個數，1≤t≤T，T為迭代次數，為樣本權值；

所述計算分類預測的錯誤率，具體為：

其中P為樣本x的真實標記不等于分類器對樣本X的預測標記的概率，也就是預測錯誤的概率；yi是指樣本x真實標記；Gm(xi)是分類器對樣本xi的分類結果，可以把每一次的Bagging分類器看作一個G(xi),當所有的Bagging分類器完成預測以后，對這些Bagging分類器進行線性組合，得到最終的Boosting分類器，w_mi是樣本的權值；I(G_m(x_i)≠y_i)是指如果Gm(xi)不等于樣本的真實標記時就等于1，否則就等于0；

所述根據錯誤率來重新調整樣例權重，具體為：

更新訓練數據集的權值分布：

D_m+1＝(w_m+1，1，…，w_m+1，i，…，w_m+1，N)

其中：Zm是規范化因子，N是樣本個數；αm是Gm(xi)的系數。