文本分类的特征提取方法比较与改进

• 作者: 井佐原均 内山将夫 吕宝粮 申红
• 来源期刊: 计算机仿真
• 学科: 工学
• 关键词: 特征提取 文本分类 互信息 支持向量机
• 年，卷（期）: 2006,（3）
• 所属期刊栏目: 社会科学领域仿真
• 页码范围: 222-224
• 页数: 3页
• 分类号: TP391
• 字数: 2797字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-9348.2006.03.061

摘要

文本的特征提取是文本分类过程中的一个重要环节,它的好坏将直接影响文本分类的准确率.该文介绍了词条的χ2统计方法(CHI)、词条与类别的互信息(MI)、信息增益(IG)、词条的期望交叉熵(CE)等文本特征提取方法,并对其取词策略进行了改进.为了对这些特征提取方法进行系统地比较,选择了三种代表性的分类器对<读卖新闻>文本数据库进行了分类实验.实验结果表明χ2统计方法具有最好的准确率,各种改进的特征提取方法都能提高文本分类的准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	申红	上海交通大学计算机科学与工程系	1	94	1.0	1.0
2	吕宝粮	上海交通大学计算机科学与工程系	10	329	6.0	10.0