基于自身特征扩展的短文本分类方法

• 作者: 张玉红 杨超群 胡学钢
• 来源期刊: 计算机应用研究
• 关键词: 短文本 稀疏 信号弱 扩展 离散度 相关度
• 年，卷（期）: 2017,（4）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 1008-1010
• 页数: 3页
• 分类号: TP391.1
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2017.04.011

摘要

短文本具有特征稀疏、描述概念信号弱等特点,传统方法对短文本进行分类很难取得较好结果.针对上述问题,提出了一种基于自身特征扩展的短文本分类方法SC-FE.该方法首先基于类内离散度从每个类中选取高类别指示性的特征组成特征空间;其次对样本的特征,在已选的特征空间中选取其相关度最大的特征加入短文本中进行扩充.在实际数据集上的实验结果表明,该方法可有效提高短文本的分类效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	胡学钢	合肥工业大学计算机与信息学院	314	3156	27.0	39.0
2	张玉红	合肥工业大学计算机与信息学院	32	260	10.0	14.0
3	杨超群	合肥工业大学计算机与信息学院	1	13	1.0	1.0