一种用于贝叶斯分类器的文本特征选择方法

• 作者: 田凤占 瞿有利 陈景年 黄厚宽
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 文本分类 特征选择 文本预处理 朴素贝叶斯
• 年，卷（期）: 2008,（13）
• 所属期刊栏目: 博士论坛
• 页码范围: 24-26,32
• 页数: 4页
• 分类号: TP391
• 字数: 4082字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.2008.13.007

摘要

特征选择是文本分类中一种重要的文本预处理技术,它能够有效地提高分类器的精度和效率.文本分类中特征选择的关键是寻求有效的特征评价指标.一般来说,同一个特征评价指标对不同的分类器,其效果不同,由此,一个好的特征评价指标应当考虑分类器的特点.由于朴素贝叶斯分类器简单、高效而且对特征选择很敏感,因此,对用于该种分类器的特征选择方法的研究具有重要的意义.有鉴于此,提出了一种有效的用于贝叶斯分类器的多类别文本特征评价指标:CDM.利用贝叶斯分类器在两个多类别的文本数据集上进行了实验.实验结果表明提出的CDM指标具有比其它特征评价指标更好的特征选择效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄厚宽	北京交通大学计算机与信息技术学院	139	2476	26.0	44.0
2	陈景年	北京交通大学计算机与信息技术学院	8	117	6.0	8.0
6	田凤占	北京交通大学计算机与信息技术学院	10	145	6.0	10.0
7	瞿有利	北京交通大学计算机与信息技术学院	19	179	6.0	13.0