一种改进的集中度和分散度文本特征选择算法

• 作者: 徐俊 沈友文 赵新建
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 互信息 特征选择 文本分类 特征权重 支持向量机
• 年，卷（期）: 2011,（9）
• 所属期刊栏目: 基金项目论文
• 页码范围: 96-98,125
• 分类号: TP301.6
• 字数: 3198字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386X.2011.09.028

摘要

特征选择算法(TFFS)存有一定的不足:集中度难于正确衡量低频繁特征项的权值；分散度忽略了互信息为负数的特征项对文本分类的影响.提出一种改进的特征选择算法(TFFSL),TFFSL对集中度、分散度做了一定的改进,避免了TFFS的缺陷,同时TFFSL结合特征项长度信息,提高了短语和词语在分类中的作用.SVM分类实验结果表明:与TFFS相比,TFFSL有更高的文本分类性能和剔除无关特征项的能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵新建	浙江工业大学计算机学院	46	270	8.0	15.0
2	徐俊	浙江工业大学计算机学院	39	170	8.0	10.0
3	沈友文	浙江工业大学计算机学院	2	10	1.0	2.0