文本分类中特征权重算法改进研究

• 作者: 李鹏鹏 范会敏
• 来源期刊: 计算机与现代化
• 学科: 工学
• 关键词: 机器学习 文本分类 特征权重 TF-IDF
• 年，卷（期）: 2018,（2）
• 所属期刊栏目: 算法设计与分析
• 页码范围: 66-70
• 页数: 5页
• 分类号: TP306.1
• 字数: 4038字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-2475.2018.02.014

摘要

为了克服传统的TF-IDF(Term Frequency Inverse Document Frequency)算法分类F1值低的缺陷,利用特征词在类内和类间的分布信息,提出一种改进的TF-IDF-dist算法.实验结果表明,改进的算法在不同特征维度下F1值平均提升3.2％,结合不同特征选择算法,F1值平均提升2.75％,并且对倾斜数据集有更强的适应性,表明本文算法在文本分类中的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	范会敏	西安工业大学计算机科学与工程学院	24	266	7.0	16.0
2	李鹏鹏	西安工业大学计算机科学与工程学院	1	6	1.0	1.0