基于相对文档频的平衡信息增益降维方法-江西理工大学学报.PDF

第29卷第5期 江西理工大学学报 v。1．29，N。．5 OF UNIVERSITYOFSCIENCEANDTECHNOLOGY0 2008年10月JOURNALJIANGXI Oct．208 文章编号：1007—1229(2008)05—0068—04 基于相对文档频的平衡信息增益降维方法 任克强，张国萍，赵光甫 (江西理工大学信息工程学院，江西赣州341000) 摘要：针对文本分类中信息增益降维方法的不足，提出了一种基于相对文档频的平衡信息增益 (RDFBIG)降维方法．实验结果表明，RDFBIG能有效消除不同类别之间语料规模对分类精度的影 响，取得了较好的分类效果． 关键词：相对文档频；特征降维；信息增益；文本分类 中图分类号：rIP391文献标识码：A FeatureReductionBasedonRelativeDocument ^ 1—1h1 一 ·‘J1● BalancelnlOrmauonIjaln tI。requency REN Ke—qiang，ZHANGGlm—ping，ZHAOGuang-fu (FacultyofInformationEngin∞rins,JiangxiUniversityofScienceandTechnology,Ganzhou341000,China) overcomethe methodof Abstract：To ofinformationintext a shortage gain categorization，thisproposes paper featurereductionbasedontherelativedocument balanceinformation frequency resultsshowthatRDFBIGcall eliminatethe of scaleindifferent achieve effectively impactcorpus classes，and betterresultsintext categorization． document words：relative reduction；information Key frequency；feature gain；textcategorization 度和准确率． O引言 特征选择是特征降维的主要方法之一，又称独 文本分类(Text 立评估法例，其目的是滤除携带信息量较少的词，只 Categorization，TC)是指在给定 的分类体系下，计算机根据文本内容自动确定文本 保留对分类贡献较大的词．在进行特征选择时一般 类别的过程【l】，它是文本挖掘的一个重要组成部分， 都是利用某种评价函数，独立地对每个原始特征项 在提高情报检索的速