基于类间分散度和类内集中度的文本特征选择

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.论文首先定义了两种特征分类能力:一种是特征对类间文档的分散程度,该分散度越大越好；另一种是特征对类内文档的聚集程度,该集中度越大越好.然后把这两种特征影响度有机地结合起来设计了一个新的特征选择方法,该方法能够对所选特征进行综合考虑,从而使获得的特征集具有较好的代表性.仿真实验表明所提特征选择方法在一定程度上能够提高文本分类性能.

关键词：特征选择、文本分类、类间分散度、类内集中度

所属期刊栏目：40

分类号：TP391(计算技术、计算机技术)

资助基金：河南省基础与前沿技术研究计划项目102300410266

在线出版日期：2012-11-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：6-8