文本分类中基于CHI改进的特征选择方法

• 作者: 宋呈祥 牛强 陈秀宏
• 来源期刊: 微电子学与计算机
• 关键词: 文本分类 卡方统计量 特征选择 不均衡数据集
• 年，卷（期）: 2018,（9）
• 页码范围: 74-78
• 页数: 5页
• 分类号: TP391.1
• 语种: 中文

摘要

针对传统卡方统计量(CHI)方法在全局范围内做特征选择时忽略词的频度、词的分布等问题,提出了一种改进的文本特征选择方法.该方法通过定义特征词频度分布相关性系数,选择局部出现的强相关性特征,同时考虑特征词类间分布差异性来提升不均衡数据集的分类指标.结果表明,改进的方法不仅在分类效果上有明显的提高,而且性能更加稳定.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈秀宏	江南大学数字媒体学院	90	480	12.0	17.0
2	宋呈祥	江南大学数字媒体学院	2	3	1.0	1.0
3	牛强	江南大学数字媒体学院	6	3	1.0	1.0