基于词频类别相关的特征权重算法

• 作者: 张羚 杨国正 陆余良
• 来源期刊: 计算机应用研究
• 关键词: 文本分类 文本表示 特征权重 文档频率 逆类频率
• 年，卷（期）: 2017,（2）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 386-391
• 页数: 6页
• 分类号: TP391.1
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2017.02.015

摘要

在文本分类领域中,目前关于特征权重的研究存在两方面不足:一方面,对于基于文档频率的特征权重算法,其中的文档频率常常忽略特征的词频信息;另一方面,对特征与类别的关系表达不够准确和充分.针对以上不足,提出一种新的基于词频的类别相关特征权重算法(CDF-AICF).该算法在度量特征权重时,考虑了特征在每个词频下的文档频率.同时,为了准确表达特征与类别的关系,提出了两个新的概念:类别相关文档频率CDF和平均逆类频率AICF,分别用于表示特征对类别的表现力和区分力.最后,通过与其他五个特征权重度量方法相比较,在三个数据集上进行分类实验,结果显示,CDF-AICF的分类性能优于其他五种度量方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陆余良	电子工程学院网络系	32	221	8.0	13.0
2	杨国正	电子工程学院网络系	18	57	4.0	6.0
3	张羚	电子工程学院网络系	1	7	1.0	1.0