基于对数似然比的中文文本分类特征选择研究

• 作者: 李斌 梁伍七 江克勤 许磊
• 来源期刊: 安庆师范大学学报（自然科学版）
• 学科: 工学
• 关键词: 模式识别 对数似然比 特征选择 文本分类 向量空间模型 KNN分类
• 年，卷（期）: 2018,（1）
• 所属期刊栏目: 理论与应用研究
• 页码范围: 45-50
• 页数: 6页
• 分类号: TP391
• 字数: 4696字
• 语种: 中文
• DOI: 10.13757/j.cnki.cn34-1328/n.2018.01.012

摘要

在向量空间模型的中文文本分类系统中,多数传统的特征选择算法忽视低频单词对分类的正面贡献,互信息特征选择过分放大低频单词对分类的贡献.针对这一问题,通过引入对数似然比统计量,提出对数似然比特征选择算法.与互信息算法相比,低频单词对分类的贡献没有过分放大;与卡方算法相比,低频单词对分类的贡献计算更为准确.算法在考虑低频单词对分类结果产生正面影响的同时,能较好地控制其对分类产生的负面影响.采用KNN(K Nearest Neighbor)分类方法,特征选择选取对数似然比和传统特征选择算法,实验结果表明,对数似然比特征选择算法能够提高分类器的总体性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	江克勤	安庆师范大学计算机与信息学院	30	149	8.0	11.0
2	梁伍七	安徽广播电视大学信息与工程学院	20	137	8.0	11.0
3	李斌	安徽广播电视大学信息与工程学院	17	49	4.0	6.0
4	许磊	安徽广播电视大学信息与工程学院	5	8	2.0	2.0