一种基于多特征因子改进的中文文本分类算法

• 作者: 叶敏 汤世平 牛振东
• 来源期刊: 中文信息学报
• 学科: 工学
• 关键词: 文本分类 χ2统计 特征选择 TF-IDF权重计算
• 年，卷（期）: 2017,（4）
• 所属期刊栏目: 信息抽取与文本挖掘
• 页码范围: 132-137,144
• 页数: 7页
• 分类号: TP391
• 字数: 4581字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-0077.2017.04.019

摘要

采用向量空间模型(vector space model,VSM)表示网页文本,通过在CHI(Chi-Square)特征选择算法中引入频度 、集中度 、分散度 、位置信息这四个特征因子,并考虑词长和位置特征因子改进TF-IDF权重计算公式,提出了PCHI-PTFIDF(promoted CHI-promoted TF-IDF)算法用于中文文本分类.改进算法能降维得到分类能力更强的特征项集 、更精确地反映特征项的权重分布情况.结果显示,与使用传统CHI和传统TF-IDF的文本分类算法相比,PCHI-PTFIDF算法的宏F1值平均提高了10%.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	牛振东	北京理工大学计算机学院	46	597	14.0	23.0
2	汤世平	北京理工大学计算机学院	11	241	7.0	11.0
3	叶敏	北京理工大学计算机学院	2	20	2.0	2.0