原创力文档- 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
MicrocomputerApplicationsVol.39,No.10,2023开发应用
文章编号：1007-757X（2023)10-0181-03
基于改进TFIDF算法的文本特征选择和聚类分析
赵军愉1，柴小亮，李士林²，徐松晓1，王强1
（1.国网河北省电力有限公司保定供电分公司，河北，石家庄050021；
2．国网河北省电力有限公司，河北，石家庄050021）
摘要：为了提高大量文本数据的特征选择能力，采用全覆盖粒计算方法对特征选择算法的数据高维性与稀疏性进行分析。
针对TFIDF算法存在的缺陷，设计了一种经过改进后的TFIDF_SP算法，以区分文档内处于不同部位的特征词重要性，并根
据不同特征选择方法对比结果判断算法有效性。研究结果表明，采用bLDA主题模型提取细主题粒度的时候也无法获得理
类效果，此时改进TFIDF算法能促进权重的进一步提升。所提出的改进TFIDF算法可以获得比TFIDF和bLDA主题模型
更好的结果结合高1.62%的聚类准确率，表明当特征词方式词性与位置变化时会引起文档表达效果的显著影响。
关键词：文本特征选择；改进TFIDF算法；聚类效果；主题模型
中图分类号：TP39文献标志码：A
TextFeatureSelectionandClusteringAnalysis
BasedonImprovedTFIDFAlgorithm
ZHAOJunyu,CHAIXiaoliang,LIShilin,XUSongxiao,WANGQiang
(1.BaodingPowerSupplyBranchofStateGridHebeiElectricPowerCo.,Ltd.,Shijiazhuang050021,China;
2.StateGridHebeiElectricPowerCo.,Ltd.,Shijiazhuang050021,China)
Abstract:Inordertoimprovethefeatureselectionabilityofalargenumberoftextdata,thefull-coveragegraincomputing
methodisusedtoanalyzethedatahighdimensionandsparsityoffeatureselectionalgorithm.Aimingattheabovedefectsof
TFIDFalgorithm,animprovedTFIDF_SPalgorithmisdesignedtodistinguishtheimportanceoffeaturewordsindifferent
partsofthedocument,andjudgetheeffectivenessofthealgorithmbycomparingtheresultsofdifferentfeatureselectionmeth-
ods.TheresultsshowthatwhenbLDAtopicmodelisusedtoextractfinetopicgranularity,theidealclusteringeffectcannot
beobtained,andthesametopicfeaturewordsareweakened,andtheyarejudgedasfeaturewordsofdifferenttopictypes.
Whenthevalueofisequalto0.8,theoptimalclusteringeffectcanbeobtained.Inthiscase,theimprovedTFIDFalgorithm
proposedinthispapercanpromotethefurtherimprovementofth
初级会计持证人
专注于经营管理类文案的拟写、润色等，本人已有10余年相关工作经验，具有扎实的文案功底，尤善于各种框架类PPT文案，并收集有数百万份各层级、各领域规范类文件。欢迎大家咨询！
文档评论（0）