基于改进TF-IDF特征的中文文本分类系统

• 作者: 但唐朋 张姝涵 许天成
• 来源期刊: 计算机与数字工程
• 学科: 地球科学
• 关键词: 文本分类 自然语言处理 BOW模型 机器学习 改进TF-IDF特征
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 系统结构
• 页码范围: 556-560
• 页数: 5页
• 分类号: P315.69
• 字数: 3538字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-9722.2020.03.011

摘要

随着Internet技术的发展,人们不仅可以从网络获取信息,也能够在网络上表达个人观点、分享自身体验.自Web2.0以来网络已经由原来的阅读式网络转换成为了当今的交互式网络.而伴随网络发展的是成几何速率增长的网络信息.文本信息是网络信息的重要组成部分,不同文本信息可以分成新闻、娱乐、时评、财经等不同类别.进行中文文本分类不仅能为建立文本语料库提供便利还能够应用到其它数据挖掘领域.论文基于改进TF-IDF特征并结合SVM模型设计了一种自动化的中文文本分类系统.实验证明,对比传统特征提取方式,采用改进TF-IDF特征策略进行文本分类能够获得更高的准确度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	但唐朋	华中师范大学计算机学院	5	2	1.0	1.0
2	许天成	华中师范大学计算机学院	3	1	1.0	1.0
3	张姝涵	华中师范大学计算机学院	2	0	0.0	0.0