基于特征辨别能力和元信息的特征选择.pdfVIP

128 2012，48(7) cD聍妒“幼蚴P们略酬d铆，fc口咖w计算机工程与应用 基于特征辨别能力和元信息的特征选择 王兴，张文鹏 W：ANG Xing’ZHANGWrenp饥g 南阳师范学院软件学院，河南南阳47306l of No咖al Sch∞lSo脚眦，Nany锄gUniv粥咄N哪彻g，H％蛆473061，ChiIla WANG Xing’ZHANGwenpeng．Featlln-ekc伽nb矗s甜蚰蛔钿他曲缸gui幽曩bmty曩nd and neertngAppUc童tions．2012，48(7)：128-131． in of魄t Abstr曩n：Featllre8electi伽is∞coftlIe f．eatIl托叭bset innu％ces托s11lts key曲epstext∞把gmizalj∞，the∞l∞teddi∞ctly is i曲伊 c如gori刎∞．1kfean鹏distmgIlishabil时b鹪ed伽word觑-quency柚ddo锄％t舐qlI锄cyp他s伽tcd．Me衄-info】衄ati∞is based∞meta-infolm撕∞is fbanmsel∞ti∞ sets锄d觚an曲uk∞ducti∞alg耐ⅡIm comlreh黜ive dIlccd幽rollgh pr；oVided．A memod m酬hod u∞sthe to∞Iect filtel。out∞mete眦sto isproposed．11”c咖prjeh锄siVefiI暑tly f．c咖坨distinguisha：bility featu∞雅d 佗dIl∞也e tD tbc雠 spa璐时offe姗sp∽鹤，and协％曲叩loysthe删ded砌hl把mdu枷onalgoritllmelilIlilla把mdI】m岫∞tllat wor由：text Key catcg(丽zanon；fcam坨∞l∞don；me纽-illf豳li∞；加llgllset；at廿ibu把托dⅦ嘶∞ 摘要：特征选择是文本分类的关键步骤之一，所选特征子集的优劣直接影响文本分类的结果。在分析词频方法和文档频方法 不足的基础上提出了特征辨别能力，把元信息引入粗糙集并提出了一个基于元信息的属性约简算法给出了一个综合性特征选 择方法．该方法利用特征辨别能力进行特征初选以过滤摔一些词条来降低特征空间的稀疏性，使用所提属性约简算法消除冗 余，从而获得较具代表性的特征子集．实验结果表明：所提特征选择方法在一定程度上具有一定的优势． 关键词：文本分类：特征选择；元信息；粗糙集；属性约简 文献标识码：A DOI：10．3778／j．is蛐．1∞2．8331．2012．07．033文章编号：l002．833l(2012)07．0128—04中图分类号：TP301 由于空间向量模型简单、易理解，使得它成为文本分类中 征a和b的文档频相同。那么该方法认为这两个特征词的贡献 常用的文本表示模型。然而，文本转化成空间向量后其维数 是相同的，而忽略了它们在文档中出现的次数。但是，通常情 通常巨大，有时甚至多达数十万维，这必然造成文本分类计算 况是文档中仅出现次数较少的词是噪声词，这样就导致该方 开销的剧增、分类效率的低下【I】。因此。寻找—个有效的特征 法所选择的特征不具代表性。不过，文档频方法最大的优点 选择方法，以对文本特征向量做进一步净化处理，使之在保持 就是速度特别快，它的时间复杂度同文本规模成线性关系，非 原文含义的基础上，找出