中文文本分类中的特征选择算法研究

被引：46

作者：

胡佳妮

徐蔚然

郭军

邓伟洪

机构：

[1] 北京邮电大学

[2] 北京邮电大学北京

[3] 北京

来源：

光通信研究 | 2005年 / 03期

关键词：

文本分类; 特征选择; 评价函数;

D O I：

10.13756/j.gtxyj.2005.03.014

中图分类号：

TP391.1 [文字信息处理];

学科分类号：

081203 ; 0835 ;

摘要：

比较了文档频率、信息增益、互信息、X2统计量、期望交叉熵、文本证据权以及几率比等7种常用于文本分类的特征选择算法。实验采用国家"八六三计划"中文文本语料库和Rocchio分类器对以上的特征选择算法分别进行评估,测评结果表明,几率比法的性能优于其它特征选择算法。

引用

页码：44 / 46

页数：3

共 7 条

[1] 一种新的基于统计的自动文本分类方法 [J].

刘斌 ;

黄铁军 ;

程军 ;

高文 .

中文信息学报, 2002, (06) :18-24

[2] 网络文本数据分类技术与实现算法 [J].

李勇 ;

桑艳艳 .

情报学报, 2002, (01) :21-26

[3] 基于向量空间模型的文本自动分类系统的研究与实现 [J].

庞剑锋 ;

卜东波 ;

白硕 .

计算机应用研究, 2001, (09) :23-26

[4] 基于字频向量的中文文本自动分类系统 [J].

王梦云 ;

曹素青 .

情报学报, 2000, (06) :644-649

[5] 文档中词语权重计算方法的改进 [J].

鲁松 ;

李晓黎 ;

白硕 ;

王实 .

中文信息学报, 2000, (06) :8-13+20

[6]

模式识别.[M].边肇祺等编著;.清华大学出版社.2000,

[7]

模式识别应用.[M].傅京孙主编.北京大学出版社.1990,

← 1 →