基于词频的优化互信息文本特征选择方法

• 作者: 刘海峰 姚泽清 苏展
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 文本分类 特征选择 互信息 特征频率 特征降维 类内分布
• 年，卷（期）: 2014,（7）
• 所属期刊栏目: 人工智能及识别技术
• 页码范围: 188-191
• 页数: 4页
• 分类号: TP18
• 字数: 5455字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2014.07.037

摘要

互信息(MI)是一种常用的文本特征选择方法，经典MI方法未考虑同一个特征项在不同类别内频数的差异性，也未考虑同一个特征在同一类别内的不同文本之间分布上的差异性。针对上述不足，以特征项的频数为依据，分别从特征项的类内分布、类间分布上的差异以及类内不同文本之间分布上的差异等角度，通过引入特征项的类内频数因子、类内位置分布因子以及类间分布因子，提出一种改进的MI文本特征选择方法，使得特征项的频数信息在MI模型中得到有效利用，合理改善互信息模型在文本特征选择方面的不足。文本分类实验结果表明，改进MI文本特征选择方法的平均准确率、召回率分别提高约5.2%及4.6%，平均综合评价指标值提高约4.9%，有效提高了模型的文本分类效率。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	姚泽清	解放军理工大学理学院	54	344	12.0	15.0
2	苏展	解放军理工大学理学院	10	125	5.0	10.0
3	刘海峰	解放军理工大学理学院	64	473	14.0	19.0