Web文档中词语权重计算方法的改进

摘要：

以向量空间模型作为Web文本的表示方法,对传统的TF*IDF公式进行了改进.首先,结合Web文本中HTML标签的修饰功能,体现了特征词在Web文本结构中的位置信息;其次,以广义信息论为理论基础,引入了基于二次熵的互信息作为权重计算公式的一项,体现了单词的类区分能力.实验验证了该方法的可行性和有效性.

关键词：向量空间模型、Web文本分类、权重调整、互信息

所属期刊栏目：43

分类号：TP391(计算技术、计算机技术)

在线出版日期：2007-07-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：192-194,198