一种文本特征选择方法的研究

• 作者: 谢丽聪 陈素萍
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 文本特征 文本分类 特征选择
• 年，卷（期）: 2009,（2）
• 所属期刊栏目: 智能、算法、系统结构
• 页码范围: 112-115
• 页数: 4页
• 分类号: TP311
• 字数: 3306字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2009.02.032

摘要

在文本分类中,对高维的特征集进行降维是非常重要的,不但可以提高分类精度和效率,也可以找出富含信息的特征子集.而特征选择是有效降低特征向量维数的一种方法.目前常用的一些特征选择算法仅仅考虑了特征词与类别间的相关性,而忽略了特征词与特征词之间的相关性,从而存在特征冗余,影响了分类效果.为此,在分析了常用的一些特征选择算法之后,提出了一种基于mRMR模型的特征选择方法.实验表明,该特征选择方法有助于提高分类性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	谢丽聪	福州大学数学与计算机科学学院	21	97	7.0	8.0
2	陈素萍	福州大学数学与计算机科学学院	2	10	1.0	2.0