Web文档中词语权重计算方法的改进

• 作者: 刘培玉 初建崇 王卫玲
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 向量空间模型 Web文本分类 权重调整 互信息
• 年，卷（期）: 2007,（19）
• 所属期刊栏目: 数据库与信息处理
• 页码范围: 192-194,198
• 页数: 4页
• 分类号: TP391
• 字数: 4942字
• 语种: 中文
• DOI: 10.3321/j.issn:1002-8331.2007.19.055

摘要

以向量空间模型作为Web文本的表示方法,对传统的TF*IDF公式进行了改进.首先,结合Web文本中HTML标签的修饰功能,体现了特征词在Web文本结构中的位置信息;其次,以广义信息论为理论基础,引入了基于二次熵的互信息作为权重计算公式的一项,体现了单词的类区分能力.实验验证了该方法的可行性和有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘培玉	山东师范大学信息科学与工程学院	126	1276	18.0	27.0
2	初建崇	海军航空工程学院训练部	23	162	7.0	12.0
3	王卫玲	山东师范大学信息科学与工程学院	6	122	6.0	6.0