改进的 TF-IDF中文本特征词加权算法研究

• 作者: 申剑博
• 来源期刊: 软件导刊
• 学科: 工学
• 关键词: 文本分类 TF-IDF算法 特征词权重 特征词分布 宏平均值
• 年，卷（期）: 2015,（4）
• 所属期刊栏目: 算法与语言
• 页码范围: 67-69
• 页数: 3页
• 分类号: TP312
• 字数: 2843字
• 语种: 中文
• DOI: 10.11907/rjdk.151008

摘要

在自动文本分类中，T F‐ID F算法是最为常用的特征权重计算方法。该算法运用广泛，但是存在不足：只考虑了特征词的频率和包含特征词的文档数量，没有考虑到特征词在类内和类间对权重的影响。对特征词权重计算方法进行了改进。为了解决特征词在类内均匀分布以及在类间的比重问题，提出了修正函数 T F‐DFI‐DFO。实验比较发现，新的特征词权重算法能够更加精确地反映出特征词的分布情况，该算法与传统的T F‐ID F算法相比，在召回率、查准率和宏平均值上都有较大的提升。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	申剑博	西安工程大学计算机与信息学院	1	15	1.0	1.0