English
资源说明：针对一些多标签文本分类算法没有考虑文本—术语相关性和准确率不高的问题，提出一种结合旋转森林和AdaBoost分类器的集成多标签文本分类方法。首先，通过旋转森林算法对样本集进行分割，通过特征变换将各样本子集映射到新的特征空间，形成多个具有较大差异性的新样本子集。然后，基于AdaBoost算法，在样本子集中通过多次迭代构建多个AdaBoost基分类器。最后，通过概率平均法融合多个基分类器的决策结果，以此作出最终标签预测。在四个基准数据集上的实验结果表明，该方法在平均精确度、覆盖率、排名损失、汉明损失和1-错误率方面都具有优越的性能。
本源码包内暂不包含可直接显示的源代码文件，请下载源码包。
