论文部分内容阅读
本文给出三种启发式规则用于获取根集文档的质心向量。通过使用给定的正例文档，本文首先构建一个与其对应的质心向量，然后利用它提取未标识数据集中的可靠正反样例。文本分类器使用这个逐步扩展的训练集进行增量训练。在Reuters-21578数据集上的实验结果表明，Sum质心向量可以协助分类器提高其分类精度。最后，本文通过实验验证了论文中提出的方法比PEBL算法更高效。