基于改进的TF-IDF文本特征词提取算法研究

• 作者: 冯锡炜 朱睿 王志峰 秦航 贾强
• 来源期刊: 辽宁石油化工大学学报
• 学科: 工学
• 关键词: TF-IDF 特征词提取 词长 文本预处理 文本分类
• 年，卷（期）: 2017,（4）
• 所属期刊栏目: 计算机与控制
• 页码范围: 61-64,69
• 页数: 5页
• 分类号: TP391
• 字数: 3549字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-6952.2017.04.014

摘要

在特征词提取算法中,TF-IDF算法是最常见的特征权重计算方法.在传统TF-IDF算法的基础上,提出新的基于文本词语长度的关鍵词提取算法.利用中文短语分词技术,识别文本中的长词与普通词汇,对于不同长度的词语利用提出的TF-IDF-WL方法重新计算权重,按权值排序结果得到关鍵词.实验对比发现,新的特征词提取算法能够更加精确地反映出特征词的词长情况,该算法与传统的TF-IDF算法相比,在准确率和召回率上都有较大的提升.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	冯锡炜	辽宁石油化工大学计算机与通信工程学院	35	236	9.0	13.0
2	王志峰	辽宁石油化工大学计算机与通信工程学院	3	14	2.0	3.0
3	贾强	辽宁石油化工大学计算机与通信工程学院	2	10	1.0	2.0
4	朱睿	辽宁石油化工大学计算机与通信工程学院	5	18	2.0	4.0
5	秦航		4	10	1.0	3.0