文本分类特征权重改进算法

• 作者: 台德艺 王俊
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 向量空间模型 文本分类 特征权重 特征分布
• 年，卷（期）: 2010,（9）
• 所属期刊栏目: 人工智能及识别技术
• 页码范围: 197-199,202
• 分类号: TP391
• 字数: 4544字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2010.09.069

摘要

TF-IDF是一种在文本分类领域获得广泛应用的特征词权重算法,着重考虑了词频与逆文档频等因素,但无法把握特征词在类间与类内的分布情况.为提高在同类中频繁出现、类内均匀分布的具有代表性的特征词权重,引入特征词分布集中度系数改进IDF函数、用分散度系数进行加权,提出TF-IIDF-DIC权重函数.实验结果表明,基于TF-IIDF-DIC权重算法的K-NN文本分类宏平均F1值比TF-IDF算法提高了6.79%.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	台德艺	合肥学院机器视觉与智能控制技术重点实验室	19	161	5.0	12.0
2	王俊	合肥学院机器视觉与智能控制技术重点实验室	45	267	9.0	15.0