该论文提出了开放分类(openclassification)的概念，并将其应用于自然语言处理，旨在减少开放空间风险并平衡经验风险。通过SVM-basedlearningstrategy，利用不相交的球面作为决策边界，将未知类别识别为落在所有球面外的实例。测试时，计算实例与每个已知类别的中心距离，基于余弦距离判断是否属于unknown。论文采用的阈值为0.5。
作者：徐甘霖
单位：燕山大学
这是2016年的一篇论文，虽然文中提出的方法被后续提出的新方法在分类效果方面能到提升，但是对于研究开放分类仍然有借鉴意义。文章提出open classification（开放分类）的概念，并应用到自然语言处理领域，在m个分类基础上实现m+1个分类的结果。
文章提出的方法旨在减少开放空间风险，以及平衡经验风险。文中基于center-based similarity space learningg (CBS learning) 来解决开放领域的多分类问题。（CBS learning解决二分类问题）。作者提出SVM-based learning strategy，即使用机器学习学习方法解决开放分类问题。设为各不相交的球面为决策边界，每个类中的示例被包裹在球面内，所有示例的向量的平均值表示球的中心。因为所有的球体不相交，所以，球体之外的空间是开放空间，落在此区域内的实例被认为是unknown。
测试时，计算实例到每个已知类中心的距离，文中使用余弦距离，所有计算得出的结果在0和1之间。将此结果与预先设置好的阈值相比较，如果全部小于阈值，认为是unknown,否则认为该实例属于距离最大的那一类。这里，作者使用默认阈值0.5。
论文地址：https://aclanthology.org/N16-1061.pdf
2640
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
