用于中文文本分类的基于类别区分词的特征选择方法.pdfVIP

第 30 卷第 3 期 计算机应用与软件 Vol. 30 No． 3 20 13 年 3 月 Computer Applications and Software Mar． 20 13 用于中文文本分类的基于类别区分词的特征选择方法 周奇年 张振浩 徐登彩 ( 3100 18) 浙江理工大学信息学院 浙江杭州 ， 。 摘 要 特征选择是中文文本分类过程中的一个重要过程 特征项选择的优劣直接影响文本分类的准确率 在分析几种特征选 ， 。 ， ， 择方法的基础上 提出一种类别区分词的特征选择方法 实验结果表明 类别区分词的特征选择方法的分类效率高于传统方法 从 而验证了该方法的有效性。 关键词 文本分类 特征选择 类别区分词 信息增益 互信息 期望交叉熵 中图分类号 TP391 文献标识码 A DOI :10 ． 3969 /j ． issn． 1000-386x． 2013． 03． 051 FEATURE SELECTION METHOD FOR CHINESE TEXT CATEGORISATION BASED ON CLASS DISCRIMINATING WORDS Zhou Qinian Zhang Zhenhao Xu Dengcai (School of Inf ormation Science and Technology ，Zhej iang Sci-Tech University ，Hangzhou 310018 ，Zhej iang ，China) Abstract Feature selection is a key process in Chinese text categorisation ，which will directly affect the accuracy of text categorisation． After analysing some of the feature selection methods ，a new feature selection method based on class-discriminating words is proposed． Exper- imental results show that the new feature selection method is superior to traditional approaches in categorisation efficiency ，therefore verifies the validity of the new method． Keywords Text categorisation Feature selection Class discriminating word Information gain Mutual information Excepted cross entropy ， 对向量空间中的每一个特征项即词条 用特征选择