不平衡数据集上的文本分类特征选择新方法

• 作者: 刘明 张玉芳 熊忠阳 王勇
• 来源期刊: 计算机应用研究
• 关键词: 不平衡数据集 文本分类 特征选择 正类 负类
• 年，卷（期）: 2011,（12）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 4532-4534
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2011.12.035

摘要

针对不平衡数据集上进行文本分类,传统的特征选择方法容易导致分类器倾向于大类而忽视小类,提出一种新的特征选择方法IPR(integrated probability ratio).该方法综合考虑特征在正类和负类中的分布性质,结合四种衡量特征类别相关性的指标对特征词进行评分,能够更好地解决传统特征选择方法在不平衡数据集上的不适应性,在不降低大类分类性能的同时提高了小类的识别率.实验结果表明,该方法有效可行.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	熊忠阳	重庆大学计算机学院	135	2447	25.0	44.0
2	张玉芳	重庆大学计算机学院	125	2737	26.0	48.0
3	王勇	重庆大学计算机学院	401	5118	36.0	53.0
4	刘明	重庆大学计算机学院	25	311	10.0	17.0