在本文中，我们描述了一种基于极限学习机（ELM）的XML文档分类框架。 在结构化链接矢量模型（SLVM）的基础上，提出了一种优化的缩减结构化矢量空间模型（RS-VSM），可以将结构信息更有效地合并到特征矢量中，并优化文档相似度的计算。 与传统的学习机（例如，支持向量机）相比，我们将ELM应用于XML文档分类中，以极高的速度获得良好的性能。 然后提出了投票ELM算法，以提高ELM分类器的准确性。 还提出了均等投票（REV）方法和混淆类投票（RCC）方法，以对v-ELM的投票结果进行后处理，从而进一