基于半监督协同训练的多标签文本分类模型

为降低数据标注的成本并提高投诉文本分类的准确率，本文提出基于半监督协同训练的多标签文本分类模型。该模型通过构建多个基分类器组的方式进行训练，其中每个基分类器组都由随机森林和支持向量机组成，并通过打伪标签的方式扩充有标签数据集进行循环训练至模型收敛，最终整合分类结果，充分发挥各学习器在不同特征上的分类优势，并在实验中验证该模型的有效性。