基于Lee模型的文本分类

• 作者: 夏清国 靳小波
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 文本分类 Lee模型 朴素贝叶斯 TFIDF
• 年，卷（期）: 2006,（2）
• 所属期刊栏目: 人工智能及识别技术
• 页码范围: 175-176,222
• 页数: 3页
• 分类号: TP391
• 字数: 2680字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2006.02.063

摘要

David Lee从心理学的角度提出Lee模型并将其用于文本分类.该文将Lee模型引入Naive Bayes和TFIDF中,比较了影响度和TF-IDF两种不同的文档表示方法对分类精度的影响,并对Lee模型的不同因素对算法的影响效果作了分析.结果表明影响度的文档表示方法比TF-IDF更好一些,启发式的部分读取策略能以较小的时间代价极大地改善分类算法的精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	夏清国	西北工业大学计算机学院	65	595	11.0	22.0
2	靳小波	西北工业大学计算机学院	2	5	1.0	2.0