论文部分内容阅读
训练数据中的噪声数据对文本分类结果的精度会造成不良影响，本文提出了一种对噪声数据进行修正的快速算法。针对以前的算法，每次迭代只对一个文档进行修正，迭代次数与噪声数据数量相当，算法运行效率较低的问题，本文通过分析调整文档所属类别对评价指标的影响，提出依据模块度变化量判断噪声数据，一次迭代过程中可以对多个文档进行修正处理，从而提高算法效率。实验结果表明，本文所提算法能够更快地修正粗分类数据中的噪声，算法复杂度从以前算法的O（Tnm^2）降低为O（Tnm）。该算法可以用于对大数据量数据进行处理，实用价值更高。