基于类别特征域的文本分类特征选择方法

• 作者: 刘挺 张宇 李生 赵世奇 陈毅恒 黄永光
• 来源期刊: 中文信息学报
• 学科: 工学
• 关键词: 计算机应用 中文信息处理 文本分类 特征选择 类别特征域
• 年，卷（期）: 2005,（6）
• 页码范围: 21-27
• 页数: 7页
• 分类号: TP391
• 字数: 5950字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-0077.2005.06.004

摘要

特征选择是文本分类的关键问题之一,而噪音与数据稀疏则是特征选择过程中遇到的主要障碍.本文介绍了一种基于类别特征域的特征选择方法.该方法首先利用"组合特征抽取"[1]的方法去除原始特征空间中的噪音,从中抽取出候选特征.这里,"组合特征抽取"是指先利用文档频率(DF)的方法去掉一部分低频词,再用互信息的方法选择出候选特征.接下来,本方法为分类体系中的每个类别构建一个类别特征域,对出现在类别特征域中的候选特征进行特征的合并和强化,从而解决数据稀疏的问题.实验表明,这种新的方法较之各种传统方法在特征选择的效果上有着明显改善,并能显著提高文本分类系统的性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张宇	哈尔滨工业大学信息检索研究室	197	1689	20.0	36.0
2	李生	哈尔滨工业大学信息检索研究室	118	3318	28.0	56.0
3	刘挺	哈尔滨工业大学信息检索研究室	142	4348	34.0	63.0
4	赵世奇	哈尔滨工业大学信息检索研究室	9	293	7.0	9.0
5	陈毅恒	哈尔滨工业大学信息检索研究室	8	243	6.0	8.0
6	黄永光	哈尔滨工业大学信息检索研究室	2	126	2.0	2.0