稀疏数据的分类

Posted 2023-03-13

【中文标题】稀疏数据的分类

【英文标题】：Classification of sparse data

【发布时间】：2016-09-26 15:19:22

【问题描述】：

我正在为分类/预测问题的最佳选择而苦苦挣扎。让我解释一下这个任务——我有一个来自不同研究论文摘要的关键词数据库，还有一个具有特定影响因子的期刊列表。我想建立一个基于关键字的文章分类模型，结果是给定关键字的可能影响因子（仅作为一个数字，没有任何进一步的期刊描述）。我删除了唯一的关键字标签，因为它们没有太大的统计意义，所以我的摘要列表中只有重复 2 次或更多次的关键字（总共 6000 个关键字）。我考虑虚拟编码——对于每篇文章，我将创建一个长度为 6000 个属性的二进制特征向量——每个属性指的是摘要中关键字的存在，并通过 SVM 对整个集合进行分类。我很确定这个解决方案不是很优雅，而且可能也不正确，你有什么更好的交易建议吗？

【参考方案1】：

对文本和支持向量机使用这种编码策略没有任何问题。

为了你的实际目标：

支持向量回归（SVR）可能更合适 注意期刊影响因子。它非常粗糙。您需要考虑时间方面；许多非常好的作品根本没有发表在期刊上