基于改进 TFIDF 算法的文本分类研究

• 作者: 徐德华 郑霖
• 来源期刊: 计算机与现代化
• 学科: 工学
• 关键词: TFIDF算法 特征选择 文本分类
• 年，卷（期）: 2014,（9）
• 所属期刊栏目: 算法设计与分析
• 页码范围: 6-9,14
• 页数: 5页
• 分类号: TP301.6
• 字数: 4716字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-2475.2014.09.002

摘要

由于文本分类在信息检索、邮件过滤、网页分类、个性化推荐等领域有着广泛的应用价值，所以自文本分类的概念提出以来，受到了学者们的广泛关注。在文本分类的研究中，学者们运用了很多方法，其中TFIDF是文档特征权重计算的最常用算法之一，但是传统的TFID算法忽略了特征项在类内和类间的分布，导致很多区分度不大的特征项被赋予了较大的权重。针对传统TFIDF算法的不足，本文在IDF的计算过程中，用词条在类内与类间的文档占比来考虑词条在类内与类间的分布。在实验中，用改进的权重算法表示文本向量，通过考察分类的效果，验证了改进算法的有效性。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	徐德华	同济大学经济与管理学院	16	214	7.0	14.0
2	郑霖	同济大学经济与管理学院	1	49	1.0	1.0