[00071507]一种基于多标签分类的税务文档层次分类方法
技术详细介绍
一种基于多标签分类的税务文档层次分类方法，先从隐含狄利克雷分布模型中抽取生成的主题分布，构建税务文档的隐含狄利克雷分布主题特征。然后构建训练数据对应的tf·idf特征向量，计算包含训练数据和待分类文档的tf·idf特征向量，计算相似度获取候选类别标签。最后对候选类别标签节点的源数据补充辅助数据，用迁移学习算法TrAdaBoost构建基于迁移学习的多标签分类模型，对待分类文档进行分类。该方法将层次分类问题转换成“搜索‑分类”两阶段过程，使用增量式候选类别搜索大大减少计算量，降低计算复杂度，用基于迁移学习的多标签分类模型将税务文档映射到税种层次类别上，有效利用了辅助数据，提升了分类性能。
