基于改进的TF-IDF权重的短文本分类算法

• 作者: 刘向国 张亚鹏 杨亚强 杨彬 雷敏 韩庆文 马雪峰
• 来源期刊: 重庆理工大学学报（自然科学版）
• 学科: 工学
• 关键词: 短文本 TF-IDF权重 特征扩展
• 年，卷（期）: 2016,（12）
• 所属期刊栏目: 信息?计算机
• 页码范围: 108-113
• 页数: 6页
• 分类号: TP391
• 字数: 4538字
• 语种: 中文
• DOI: 10.3969/j.issn.1674-8425(z).2016.12.017

摘要

短文本具有特征稀疏的特点，如采用TF-IDF权重和算法来选择短文本特征，很多具有专业领域信息特征而训练集中未出现过的特征将被忽略，从而导致待分类文本集的权值分布比较集中，区分度小，最终影响短文本信息推送。因此，一种基于改进的TF-IDF权重的短文本分类算法被提出。该算法通过同义词对分类器的关键词库进行扩展和基于特征长度对短文本权值进行加权，使得文本集的权值方差增大。与直接对短文本进行扩展的算法相比，该算法具有更快的分类速度。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	韩庆文	重庆大学通信工程学院	35	214	9.0	13.0
2	杨彬	重庆大学通信工程学院	5	15	2.0	3.0
3	雷敏		1	9	1.0	1.0
4	张亚鹏		1	9	1.0	1.0
5	刘向国		1	9	1.0	1.0
6	杨亚强		1	9	1.0	1.0
7	马雪峰		1	9	1.0	1.0