基于量子自组织神经网络的DeepWeb分类方法研究_图文

1、 5. 3 距 离阈值 对分类误差的影响 对 Deep Web 查询接 口主 题进 行分 类时 , 如 果测 试样 本 取得的 获 胜 神 经 元 并 不 在 获 胜 神 经 元 集 合 中 , 那 么 D R Q SOF M _Classificat ion 算法将根据距 离阈值 来 计算与该 测 试样本获胜神经元距离最小的神经元编号 。从上一 个实验的 结果来看 , 距离阈值 的选择对于分类结果具有一 定的影响 , 尤其当获胜神经 元远离 类别 簇中 心时 , 选 择不 当可 能会 造 成从其 他类别簇 中误选最近 的获胜神经 元 , 从 而导致分 类结 果错误 , 影响精度。本实验 使用

2、 M SE 作为误 差函数 , 其 中 t k 表示样本的实 际 领域 类 别 , ak 表 示由 算 法 1 输 出 的分 类 结 果 , 目标 误差设为 0. 01 。实验分别在 = 1, = 2, = 3 三 种情 况下进行 , 图 9 显示了相应的误差曲线。从图中可以看出 , 当 = 1 时 , 在训练初期 , 误差迅速下降 , 此时 各个类 别簇之间 的 边界十分明显 , 分类精度并未受到影响 , 迭代次数超 过 500 次 时 , 误差减小的速率变缓 , 各个类别的获胜神经元开 始出现交 叉 , 最终在迭代次数达到 1421 次时 误差减 小到 目标值 , 算 法 收敛。 = 3

3、对应的曲 线表 明 , 在迭 代过 程中 , 由 于距 离阈 值 过大 , 造成在训练的过程中获胜神经元的误选 , 因此 误差曲线 比较粗糙 , 最终 M SE 误差 为 0. 0182766, 没 能达 到目 标误 差 值 , 算法 未收敛。当 = 2 时 , 误差 曲线 相 对平 滑 , 并 且在 第 961 次迭代时达到 了目标 误差 值。以上 结果 表明 , 距 离阈 值 的理想取值为 2, 且算法收敛的 概率较高。 率为 93. 97% , 平均精度为 94. 10% , 其中在 A irfar es, Book 和 Job 领域的 查全 率、 精度都 在 95% 以上 , 在 Ca

4、rR ental, M usic 领域相对较低 , 但也 达到 90% 以 上。分析样 本可知 , CarRen2 tal 和 Auto mobile 领域的 特征 空间 重合 区域 较 多 , 因此 对 分 类结果产生了一定的影响。而 M usic 领域的样本通常源于 综 合性信息网站 , 这些 网站集 图书、 音像制 品、 玩 具和家 电等 商 品信息于一体 , 查询表单中包 含了一些非 M usic 领域的特征 , 从而导致了 分类 精度 下 降。与 SOF M 相比 , DR 2Q SOFM 的 平均查全率和平均精度分别 提高了 4. 38% , 5. 16% ; 与 SVM 相比 ,

5、 两值分 别提高了 3. 92% , 5. 36% 。 以上结 果表明 , DR2 Q SO FM 综合选择 5 种不同位置的特征 和样本的领 域知识 参 与 Deep Web 查询接口 主题的 分类 过程 , 对分 类 精度 和召 回 率产生了积极的影响 , 与 SOF M 和 SV M 相比其 分类 效果 得 到一定的提高。 结束语 实验结果表明 , 提出的 RankFW 权重 计算方 法 综合考虑了不同位置的文本在 Deep Web 接口主 题分类中 的 不同影响 , 所选文 本特 征更加 符合 领域特 点 ; DR 2Q SOF M 在 适当的 距离阈值下 能够使特征 在竞争层 上的映

6、射更 加集中 , 簇边界更加明显。在 T EL28( Ex 数据 集上 的实验 表明 , DR2 Q SO FM 与 SOF M , SV M 相 比在查全率和精 度上具 有一定 的 优势。 参 考 文 献 1 2 3 申德荣 , 聂铁铮 , 余恩运 , 等 . 支 持 Web 深层数 据库网格的部 分 关键技术的研究 J . 计算机科学 , 2007, 34( 8 : 123 2 125 赵朋朋 , 崔志 明, 高岭 , 等 . 关于中 国 Deep W eb 的规 模、 分布 和 结构 J . 小型微型计算机系统 , 2007, 10: 179921802 马军, 宋玲 , 韩晓晖 , 等

7、 . 基于网页上下文的 D eep Web 数据库 分 类 J . 软件学报 , 2008, 19( 2 : 2672274 黄健斌 . 基于条 件概率图 摸型的 D eep Web 数据 抽取与 集成 研 究 D . 西安 : 西安电子科技大学 , 2007 5 Gao Ling, Zhao p eng2 peng, Cui Zhi 2m ing. A ut omat ic Judgemen t of Deep Web Q uery Int erf aces J . Comput e t echnol ogy and de2 velopment , 2007, 17( 15 : 148215

8、1 6 Xu H e2xiang, Zh ang Cheng2 hong, Hao Xiu2lan, et al . A M achine Learning A pproach Classif icat ion of Deep Web Sources C M Fou rt h Int ern at ional Conf erence on Fuzzy S yst em s and K now2 ledge D iscovery. 2007, 4: 561 2565 7 Xu H e2xiang, Hao X iu 2 lan, W ang Shu2yun , et al. A M et hod

9、 of Deep Web Classf icati on C M Proceedings of t he Sixt h Int erna2 t ional Conf erence on M achin e Learn ing and Cybernet ics. 2007: 4009 24114 8 Lin Pei 2gu ang, D u Y i 2 bing, T an Xiao2h ua, et al . Research on A u2 t omat ic Classif icat ion f or Deep W eb Q uery Int erf aces C M In2 t erna

10、ti on al S ymposium s on Inf ormat ion Process ing. 2008: 313 2 317 9 Li Zh i 2t ao, Liu Q uan, Cui Zhi2ming, et al. A M et hod t o A ut o2 m at ically D iscover and Class ify D eep W eb D at a Source U sin g M ult i 2 Classif ier C M 2009 W orld Congress on Compt er S cience and Inf ormat ion Engin

11、 eering. V ol. 3, 2009: 736 2740 10 IC TCLA S O rg EB/ O L . ht t p: M ict clas. org, 2010 26 229 11 Seb ast iani F. M achin e learn ing in au tomat ed t ext cat egorizati on J . A CM Comput ing Surveys, 2002, 34( 1 : 1 247 图9 不同取值的误差曲线 4 5. 4 D R 2Q SO FM 的分类性能 本实验目的 在于 检验 DR 2 QSO FM 的 分类 能力 , 采用

12、召 回率和精度作为性 能评估 标准。模型 网络结 构为 282625, 竞 争层神经元采用栅格排列 , 初始学习速 率为 1, 初 始邻域半 径 为 3, 距离阈值为 2 。从 T EL28( Ex 8 个领域中分别随机 抽出 三分之一 ( 共 562 个 的的 SF 样本作为测试样本 , 其余三分之 二 ( 共 1124 个 的 SF 样 本 作 为 训 练 样 本。 实 验 结 果 与 SOF M , SV M 进行比较 , SOF M 采用和 DR 2Q SOF M 相同 的网 络结构 , SVM 采用默认设置。实 验进 行 3 次 , 取 3 种方法 所 得的分类精度和召回率的平均值作

13、为最终 结果 , 如表 1 所列。 表1 Do main Airf ares H ot el C arRent Bo ok Mov ie Music Jo b Auto A vg DR2 Q SO FM 与 S OFM , S V M 的分类性能对比 DR 2QSOFM R( % P( % 95. 33 94. 41 92. 67 96. 52 91. 04 93. 83 96. 56 91. 39 93. 97 96. 63 96. 07 91. 57 95. 18 92. 40 90. 92 97. 63 92. 43 94. 10 SOF M R( % P( % 90. 20 91. 13 88. 37 89. 52 87. 44 90. 12 92. 45 87. 51 89. 59 88. 33 89. 24 86. 73 92. 84 89. 17 87. 53 89