结合加权特征向量空间模型和RBPNN的文本分类方法

• 作者: 余正涛 李敏
• 来源期刊: 计算机系统应用
• 关键词: 中文文本分类 特征提取 位置信息 类别信息 加权特征向量 径向基概率神经网络
• 年，卷（期）: 2012,（12）
• 页码范围: 85-89
• 字数: 4895字
• 语种: 中文

摘要

提出了一种结合加权特征向量空间模型和径向基概率神经网络(RBPNN)的文本分类方法.该方法针对传统的文本特征提取方法的不足,根据文本中特征项的位置信息和所属类别信息定义特征权重,然后,依据特征项的权值计算文档特征项的频数,通过 TFIDF函数计算特征值并得到文本的特征向量,最后,采用RBPNN网络分类,通过最小二乘算法求解神经网络的第二隐层和输出层之间的权值,最终训练获得文本分类模型.文本分类实验结果表明,该方法在文本分类中表现出较好的效果,具有较好查全率和查准率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	余正涛	昆明理工大学信息工程与自动化学院	122	877	17.0	24.0
2	李敏	昆明理工大学信息工程与自动化学院	22	32	3.0	5.0