第14卷第6期 智能系统学报 Vol.14 No.6 2019年11月 CAAI Transactions on Intelligent Systems Nov.2019 D0:10.11992/tis.201905049 网络出版地址：http:/kns.cnki.net/kcms/detail/23.1538.tp.20190830.1438.004.html 基于三支决策的序列数据代价敏感分类算法 刘牧雷，徐菲菲 (上海电力学院计算机科学与技术学院，上海200090)】 摘要：代价敏感分类区别于一般分类方法，更关注高代价类别的分类准确性而容忍全局分类的准确性。三支 决策作为一种代价敏感分类问题的解决思路，缺乏对序列数据的支持。结合LSTM模型处理序列数据的能力， 提出一种使用三支决策(3WD)改进的序列数据分类方法。方法经过LSTM网络对原数据进行粗分类；对分类 结果进行整体代价评估：最终，对高风险分类进行延迟或拒绝处理。方法在4个数据集上进行了测试，并进行 了2组对比实验。实验结果表明：本文方法在不改变LSTM模型的情况下，对LSTM模型的分类结果进行了代 价区分。 关键词：代价敏感：三支决策；长短期记忆网络；序列数据分类；分类算法；高代价类别：代价评估 中图分类号：TP181文献标志码：A文章编号：1673-4785(2019)06-1255-07 中文引用格式：刘牧雷，徐菲菲.基于三支决策的序列数据代价敏感分类算法.智能系统学报，2019,14(6)：1255-1261. 英文引用格式：LIU Mulei,,XU Feifei..A sequence data,cost-sensitive classification algorithm based on three-way decisionsJ. CAAI transactions on intelligent systems,2019,14(6):1255-1261. A sequence data,cost-sensitive classification algorithm based on three-way decisions LIU Mulei,XU Feifei (School of Computer Science and Technology,Shanghai University of Electric Power,Shanghai 200090,China) Abstract:Cost-sensitive classification is different from the general classification method,which pays more attention to the classification accuracy of high-cost categories,but tolerates the accuracy of global classification.Three-way de- cisions are a solution to a cost-sensitive classification problem and lack support for sequence data.Combined with the ability of the LSTM model in sequence data processing,a method for classifying sequence data a using three-way de- cision method (3WD)is proposed.First,a general classification of the original data was done through the LSTM net- work;second,an overall cost estimate was performed on the classification result of step one;finally,the high-risk result was delayed or rejected.Methods were tested on four data sets and two sets of comparative experiments were per- formed.Experimental results showed that the new method distinguished the classification results of the LSTM model without changing the original structure. Keywords:cost-sensitive;three-way decision;LSTM:sequence data classification;classification algorithm;high-cost categorie;cost estimate 当前，LSTM作为深度学习的一种处理序列 方式来使分类器获得对某一类代价敏感类别更高 数据最为流行的解决方案，拥有着较传统方案更 的关注从而实现减少整体的代价。但是这种方 加实用性强且准确率高的特点②。但是，基于深 法的缺点如前文所述。为了训练对高代价分类敏 度学习的代价敏感决策仍未得到主流的研究关 感的模型，筛选出的数据集将会面临严重的数据 注。当前的研究重点多集中于如何更高效的获得 不平衡问题。而无论是填充或者再平衡的方式， 精确的整体准确率。在有关于深度学习的代价敏 都会使原数据集的结构改变。其次，无论是对 感分类或决策问题上，当前的算法常见解决方案 数据集的预处理还是对运行参数或者模型结构的 多集中于通过对数据的预处理和运行参数调整的 调整，都与具体问题相关性较大”。对于不同的 具体问题，数据清洗和参数调整或模型调整的优 收稿日期：2019-05-26.网络出版日期：2019-08-30 通信作者：徐菲菲.E-mail:xufeifeil983@hotmail.com 劣与模型设计者的经验与对问题的了解有着较大DOI: 10.11992/tis.201905049 网络出版地址: http://kns.cnki.net/kcms/detail/23.1538.tp.20190830.1438.004.html 基于三支决策的序列数据代价敏感分类算法 刘牧雷，徐菲菲 （上海电力学院 计算机科学与技术学院，上海 200090） 摘 要：代价敏感分类区别于一般分类方法，更关注高代价类别的分类准确性而容忍全局分类的准确性。三支 决策作为一种代价敏感分类问题的解决思路，缺乏对序列数据的支持。结合 LSTM 模型处理序列数据的能力， 提出一种使用三支决策 (3WD) 改进的序列数据分类方法。方法经过 LSTM 网络对原数据进行粗分类；对分类 结果进行整体代价评估；最终，对高风险分类进行延迟或拒绝处理。方法在 4 个数据集上进行了测试，并进行 了 2 组对比实验。实验结果表明：本文方法在不改变 LSTM 模型的情况下，对 LSTM 模型的分类结果进行了代 价区分。 关键词：代价敏感；三支决策；长短期记忆网络；序列数据分类；分类算法；高代价类别；代价评估 中图分类号：TP181 文献标志码：A 文章编号：1673−4785(2019)06−1255−07 中文引用格式：刘牧雷, 徐菲菲. 基于三支决策的序列数据代价敏感分类算法 [J]. 智能系统学报, 2019, 14(6): 1255–1261. 英文引用格式：LIU Mulei, XU Feifei. A sequence data, cost-sensitive classification algorithm based on three-way decisions[J]. CAAI transactions on intelligent systems, 2019, 14(6): 1255–1261. A sequence data, cost-sensitive classification algorithm based on three-way decisions LIU Mulei，XU Feifei (School of Computer Science and Technology, Shanghai University of Electric Power, Shanghai 200090, China) Abstract: Cost-sensitive classification is different from the general classification method, which pays more attention to the classification accuracy of high-cost categories, but tolerates the accuracy of global classification. Three-way de￾cisions are a solution to a cost-sensitive classification problem and lack support for sequence data. Combined with the ability of the LSTM model in sequence data processing, a method for classifying sequence data a using three-way de￾cision method (3WD) is proposed. First, a general classification of the original data was done through the LSTM net￾work; second, an overall cost estimate was performed on the classification result of step one; finally, the high-risk result was delayed or rejected. Methods were tested on four data sets and two sets of comparative experiments were per￾formed. Experimental results showed that the new method distinguished the classification results of the LSTM model without changing the original structure. Keywords: cost-sensitive; three-way decision; LSTM; sequence data classification; classification algorithm; high-cost categorie; cost estimate 当前，LSTM 作为深度学习的一种处理序列 数据最为流行的解决方案，拥有着较传统方案更 加实用性强且准确率高的特点[1-2]。但是，基于深 度学习的代价敏感决策仍未得到主流的研究关 注。当前的研究重点多集中于如何更高效的获得 精确的整体准确率。在有关于深度学习的代价敏 感分类或决策问题上，当前的算法常见解决方案 多集中于通过对数据的预处理和运行参数调整的 方式来使分类器获得对某一类代价敏感类别更高 的关注从而实现减少整体的代价[3]。但是这种方 法的缺点如前文所述。为了训练对高代价分类敏 感的模型，筛选出的数据集将会面临严重的数据 不平衡问题。而无论是填充或者再平衡的方式， 都会使原数据集的结构改变[4]。其次，无论是对 数据集的预处理还是对运行参数或者模型结构的 调整，都与具体问题相关性较大[5-7]。对于不同的 具体问题，数据清洗和参数调整或模型调整的优 劣与模型设计者的经验与对问题的了解有着较大 收稿日期：2019−05−26. 网络出版日期：2019−08−30. 通信作者：徐菲菲. E-mail：xufeifei1983@hotmail.com. 第 14 卷第 6 期 智 能 系 统 学 报 Vol.14 No.6 2019 年 11 月 CAAI Transactions on Intelligent Systems Nov. 2019