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
ISSN
计算机研究与发展 1000—1239／CN11-1777／TP
Journalof Researchand
Computer Development 42(增刊)：346～350。2005
海量中文文本的特征提取
吴春尧 张海军 杨炳儒
(北京科技大学信息工程学院北京 100083)
(wuchunyao@vip．163．eom)
FeatureExtractionon ChineseText
Magnanimity
Wu
Chunyao，ZhangHaijun，andYangBingru
(CollegeofInformation of 100083)
Engineering，BeijingUniversityScienceTechnology，Beijing
Inthis
Abstract featureextractionmodelwith Chinesetextis
paper，aspecial magnanimity developed．
The ofthemodelistodrawthecommonfeaturesofcertainclass withits model
goal along weight．The
containsfour LD．Thefeatureextractionmodelcanbalancetheconflict
parts：DIDF，CIDF，FC，and
four crucial ofthemodelare minimumdocument
amongparts．Theparameters given：Classification
minimumrelative classificationoccuroccurrence
occurrence(Pmin)，andconfidence(Cmin)，maximum
minimumcentralized classificationreaches
(Pmx)，and degree(FC。i。)．Itsprecision 87．34％whenthe
isset
rate to95％．Whichismorethan10 thantheTD-IDFmethodunderthe
recalling percent
higher
samecondition．
wordstextclassification；feature balance
Key extraction；magnanimitydata；data
摘要针对海量中文文本提出了专门的特征提取模型．目标在于提取出某个类别的共同特征，并且评
价各个特征权重．模型包含4部分：文档DIDF、类别CIDF、特征的类别集中度FC、长度分布因子LD．
模型能够很好平衡各个指标之间彼此相互影响．给出了关键参数：类别最小文档发生数量P嘶n、最小相
对可信度C|IIin、最大类别发生数量P。。x、最小加权集中度FC。i。四项最优值．在召回率95％下，其分类
准确度达到87．34％，比同样条件下TD—IDF方法提高了10多个百分点．
关键词文本分类；特征提取；海量数据；数据平衡
中图法分类号TPl91．12
文档评论（0）