一种面向文本分类的特征向量优化方法

• 作者: 张仰森 蒋玉茹 郭正斌
• 来源期刊: 计算机应用研究
• 关键词: 机器学习 Mahout 特征向量 向量优化 文本分类
• 年，卷（期）: 2017,（8）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 2299-2302,2348
• 页数: 5页
• 分类号: TP391.1
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2017.08.013

摘要

对文本进行建模的普遍方法是使用向量空间模型构建文本向量,并利用权值调整和维度调整对文本向量进行优化.提出了一种面向文本分类的特征向量优化方法.首先利用剔除近义词方法优化文本向量中的特征项;然后提出贡献率因子的概念,并利用其优化特征值.实验表明,相比朴素贝叶斯分类方法其效果提高了0.96%.因此,通过去除近义词和对提取出的特征词调整权重,可以达到优化特征向量、提高文本分类效果的目的.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张仰森	北京信息科技大学智能信息处理研究所	104	721	15.0	23.0
2	蒋玉茹	北京信息科技大学智能信息处理研究所	15	57	4.0	7.0
3	郭正斌	北京信息科技大学智能信息处理研究所	3	21	2.0	3.0