基于领域相关词汇提取的特征选择方法

• 作者: 孙麟 牛军钰
• 来源期刊: 小型微型计算机系统
• 学科: 工学
• 关键词: 文本分类 文档表示 特征选择 领域相关
• 年，卷（期）: 2007,（5）
• 所属期刊栏目: 数据挖掘与数据库技术
• 页码范围: 895-899
• 页数: 5页
• 分类号: TP311
• 字数: 4666字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-1220.2007.05.028

摘要

传统文本分类中的文档表示方法一般基于全文本(Bag-Of-Words)的分析,由于忽略了领域相关的语义特征,无法很好地应用于面向特定领域的文本分类任务.本文提出了一种基于语料库对比领域相关词汇提取的特征选择方法,结合SVM分类器实现了适用于特定领域的文本分类系统,能轻松应用到各个领域.该系统在2005年文本检索会议(TREC,Text REtrieval Conference)的基因领域文本分类任务(Genomics Track Categorization Task)的评测中取得第一名.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	牛军钰	复旦大学计算机科学与工程系	17	124	7.0	10.0
2	孙麟	复旦大学计算机科学与工程系	1	10	1.0	1.0