其基本思想是使用訓練集為每個類構造一個原型向量，構造方法如下：給定一個類，訓練集中所有屬于這個類的文檔對應向量的分量用正數(shù)表示，所有不屬于這個類的文檔對應向量的分量用負數(shù)表示，然后把所有的向量加起來，得到的和向量就是這個類的原型向量，定義兩個向量的相似度為這兩個向量夾角的余弦，逐一計算訓練集中所有文檔和原型向量的相似度，然后按一定的算法從中挑選某個相似度作為界。給定一篇文檔，如果這篇文檔與原型向量的相似度比界大，則這篇文檔屬于這個類，否則這篇文檔就不屬于這個類。Rocchio算法的突出優(yōu)點是容易實現(xiàn)，計算（訓練和分類）特別簡單，它通常用來實現(xiàn)衡量分類系統(tǒng)性能的基準系統(tǒng)，而實用的分類系統(tǒng)很少采用這種算法解決具體的分類問題。

其基本思想不難解釋,對于一個詞集,和一個分類,總有某些詞,這些詞一旦出現(xiàn)屬于這個分類的可能性就會增加,而另一些詞一旦出現(xiàn)屬于這個分類的可能性就會降低,那么累計這些正面的,和負面的影響因素,最后由文檔分離出的詞向量可以得到對于每個類的一個打分,打分越高屬于該類的可能性就越大.

對于某種二分類特別合適, A, ~A, 任給一個文檔,判斷屬于分類A還是分類~A,可以認為A的特征項均給與正值,~A都給與負值,那么給定一個合理閾值,就很容易做出這種類型的分類.

總結

以上是生活随笔為你收集整理的Rocchio算法的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內容還不錯，歡迎將生活随笔推薦給好友。