- 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
文本分类中基于方差的改进特征提取算法.pdf
第28卷 第24期 计算机工程与设计 2007年l2月
Vo1.28 No.24 Computer Engineering and Design Dec.2007
文本分类中基于方差的改进特征提取算法
吕 佳
(重庆师范大学数学与计算机科学学院运筹学与系统工程重庆市市级重点实验室,重庆400047)
摘 要:特征提取算法TFIDF是文本分类中常用的衡量特征权重的算法,但该算法没有考虑特征词在类间和类内的分布情
况,导致算法无法反映特征词在分布比例中量上的差异。为此,引入方差来描述特征词在类间和类内的分布情况,并利用方
差来修正TFIDF权重。仿真实验结果表明,同传统TFIDF算法相比,改进TFIDF算法能得到更好的分类结果。
关键词:文本分类;特征提取;改进TFIDF;权重;方差
中图法分类号:TP391 文献标识码:A 文章编号:1000.7024(2007)24.6039—03
Improved feature selection algorithm based on variance in text categorization
LU Jia
(Chongqing Key Lab of Operations Research and System Engineering,College of Mathematics and Computer Science,
Chongqing Normal University,Chongqing 400047,China)
Abstract:The traditional TFIDF algorithm is a common method that is used to measure feature weight in text categorization.However,
the algorithm doesn t take the distribution of feature terms in inter-class and intra—class into consideration,which makes the algorithm
can t effectively weigh the distribution proportion of feature term s.In order to solve the problem,variance in inter-class and intra—class
which describes the distribution offeature term s is used to revise TFIDF weight.Comp~ed with traditional TFIDF algorithm ,the results
of simulation experiment have demonstrated that the improved TFIDF algorithm Can get better classification results.
Key words:text categorization;feature selection;improved TFIDF;weight;variance
面影响;②特征词选取的好坏与否取决于其能否代表类和文
0 引 言
档的属性,TF值高的特征词,如果在所有文档中TF值都高,
随着网络和信息技术的飞速发展,人们可获得的知识越 则难以说明其到底代表哪个文档。反文档频率(inverse docu.
来越多,但是面对具体的知识,要在这浩瀚的信息世界中快速 ment frequency,IDF)是特征项在文档集分布情况
文档评论(0)