文本分类中特征提取方法的比较与研究 - read.pdf

第 23 卷第 6 期 ( 自然科学版) Vol23 No6 　　　　　　　 ( ) 　　　　　　 2007 年 12 月 J ournal of Hebei Nort h U niver sit y Nat ural Science Edition Dec . 2007 文本分类中特征提取方法的比较与研究 1 2 郑 　伟 , 王 　锐 ( 1 河北北方学院理学院物理系 , 河北 张家口 075000 ; 2 河北北方学院理学院计算机系 , 河北 张家口 075000) 　　摘要 : 介绍了进行文本分类的关键技术 , 着重介绍了常用的文本特征提取方法. 选取支持向量机方法作为 文本分类器方法 , 选取不同特征提取方法应用于文本分类 , 通过实验 , 比较和分析了由不同的提取方法所构成 ( ) ( ) 的分类器的分类性能 , 确定了信息增益 I G 法和文本证据权 W E T 为两种性能优异的特征提取方法. 该 结论可为分类性能进一步的优化研究奠定理论和实践基础. 关键词 : 文本分类 ; 互信息 ; 信息增益 ; SV M ; 特征提取 中图分类号 : TP 39 1 　　　　　文献标识码 : A 文章编号 : (2007) 06005 104 Comparative Study of Feature Selection in Chinese Text Categorization ZH EN G Wei1 , WAN G Rui2 ( 1Dep art ment of Phy sics , School of Science , Hebei Nort h U niver sit y , Zhangj iakou 075000 , Heibei , China ; 2Dep art ment of Comp ut er Sciences , Hebei Nort h U niver sit y , Zhangj iakou 075000 , Heibei , China) Abstract : The critical t echnique of t ext cat egorization , an d e sp ecially t he met ho d about selection of t ext feat her are int ro duced . Choo sing SV M a s t he met ho d of t ext cla ssifion t rainin g and t he diff erent met ho d s in selection of t ext f eat her , we co mp are and analyze t he cat egorization cap acit y w hich i s mo ded of diff erent met ho ds about selection of t ext feat her by exp eriment . We can get t he conclu sion t hat I G and W E T