基于类信息的文本特征选择与加权算法研究

• 作者: 吕震宇 朱卫东 林永民 赵爽 陈景年
• 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 特征加权 基尼指数
• 年，卷（期）: 2008,（20）
• 所属期刊栏目: 数据库、信号与信息处理
• 页码范围: 145-147,158
• 页数: 4页
• 分类号: TP391|TP18
• 字数: 5197字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.2008.20.044

摘要

文本自动分类中特征选择和加权的目的是为了降低文本特征空间维数、去除噪音和提高分类精度.传统的特征选择方案筛选出的特征往往偏爱类分布不均匀文档集中的大类,而常用的TF·IDF特征加权方案仅考虑了特征与文档的关系,缺乏对特征与类别关系的考虑.针对上述问题,提出了基于类别信息的特征选择与加权方法,在两个不同的语料集上进行比较和分析实验,结果显示基于类别信息的特征选择与加权方法比传统方法在处理类分布不均匀的文档集时能有效提高分类精度,并且降维程度有所提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吕震宇	河北理工大学经济管理学院	12	122	6.0	11.0
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
3	朱卫东	北京交通大学计算机与信息技术学院	26	225	10.0	14.0
4	林永民	河北理工大学经济管理学院	10	125	7.0	10.0
5	赵爽	河北理工大学经济管理学院	10	104	6.0	10.0