原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
文本分类中特征提取方法的比较与分析.pdf
研究与开发
文本分类中特征提取方法的比较与分析
屈军1 ,林旭2
广东省台山电视大学 台山 广东省工业贸易学校 佛山
(、 , ; 、 , )
1 5292002 528000
摘 要 研究了在文本分类中 各种特征提取方法对分类效果的影响 比较了特征提取方法交叉
: , ,
熵 信息增益 互信息 及 2对文本分类器性能的影响 分析了这几种特
( )、 ( )、 ( )、 ,
CE IG MI χ
征提取方法对 和 分类器性能的影响。
SVM KNN
关键词:文本自动分类; ; ;特征提取
KNN SVM
考察 中出现和不出现 的文档频数来衡量 对
0引 言 IG c t t
于 的信息增益 特征 对于文档类别 的信息增益
c 。 t c
文本自动分类是根据一组事先知道类别的文档
计算公式如下:
IG(t,c)
作为训练样本 建立一个分类模型 来求得未知类别
, ,
!
,c) t,c)
的文档的类别 特征项的选择在文本分类系统中有比 P(t P(
。 k i k i
!
t
IG(t,c)=P(t,c)log +P(,c)log
k i P(c)P(t) k i !
较充分的研究 基本方法是根据词汇在文档集中出现 i k
, t
文档评论（0）