基于类别的CHI特征选择方法.pdfVIP

安徽广播电视大学学报 2015年第3期 基于类别的CHI特征选择方法 梁伍七， 李 斌， 许 磊 (安徽广播 电视大学 信息与工程学院，合肥 230022) 摘 要：文本分类问题中，卡方特征选择是一种效果较好的特征选择方法。计算单词的卡方值时，先计算单 词针对每个类别的卡方值，再通过类别概率将卡方值调和平均，作为单词相对于整个训练集合的卡 方值，这种全局方法忽视了单词和类别间的相关性。针对这一问题，提出基于类别的卡方特征选择 方法。基于类别的方法针对每个类别遴选特征词，特征词数量根据事先设定的阈值、类别的文档数 和整个训练集合文档数计算得到，不同类别的特征空间可能包含相同的特征词。采用 KNN分类方 法，将基于类别的方法与全局方法进行比较 ，实验结果表明，基于类别的方法能够提高分类器的总体 性能。 关键词 ：文本分类；卡方；特征选择；特征词 ；KNN分类 中图分类号 ：TP391 文献标识码：A 文章编