基于遗传算法和信息熵的文本分类规则抽取方法研究

• 作者: 唐华 曾碧卿
• 来源期刊: 中山大学学报（自然科学版）
• 学科: 工学
• 关键词: 文本分类规则 知识发现 信息熵 遗传算法 数据挖掘
• 年，卷（期）: 2007,（5）
• 页码范围: 18-21,24
• 页数: 5页
• 分类号: TP182
• 字数: 3024字
• 语种: 中文
• DOI: 10.3321/j.issn:0529-6579.2007.05.005

摘要

针对数据挖掘中的文本分类问题,提出了一种基于遗传算法和信息熵的文本分类规则抽取算法Genetic-Miner(简称GM),该算法的目标是在数据集中发现分类规则.首先利用信息熵生成初始种群,然后利用优化的遗传算法抽取相应规则.采用六个标准的公共领域的数据集比较了GM与其它两个非常著名的同类算法Ant-Miner和CN2,实验结果表明,无论是预测准确性和规则的简单性,GM都明显优于Ant-Miner和CN2,并且该算法能大大提高对知识的理解力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	曾碧卿	华南师范大学南海校区计算机工程系	51	304	9.0	15.0
2	唐华	华南师范大学南海校区计算机工程系	13	74	4.0	8.0