WAP网页文本分类特征权重计算的改进.pdfVIP

WAP 网页文本分类特征权重计算的改进 邱思衡 北京邮电大学信息与通信工程学院 北京（100876 ） 摘 要：本文对传统的权重计算方案进行了分析，在指出其不足的基础上提出了改进方案， 首先对特征的类别区分能力予以了着重加强，在传统的权重公式中扩展了一项单词的类区分 能力。其次对WAP 网页文档信息特征进行分析，并且提出了WAP 网页文档中关键特征词、 关键特征域和关键特征空间的概念。分析论证了在关键特征空间上应当使用文档频度 DF(documentfrcquency)信息而非传统意义上的DF （inverse document frequency)进行权值计 算，以更加精确地描述WAP 网页文本。 关键词：WAP 文本分类 特征权重 关键特征空间 1．引 言 WA P 的全称是Wireless Application Protocol，即无线通信应用协议，是一个全球性的开 放协议。这种技术主要用于将互联网上的HTML 语言信息转换成为WML 描述的信息，使 人们可以利用手机等终端，通过移