一种改进的CHI文本特征选择方法

摘要：

特征选择是文本分类过程中非常重要的环节。 CHI统计是一种经典的特征选择方法，针对CHI统计方法存在的不足，一方面，为了兼顾特征项的文档频和词频，本文在CHI中引入词频因子和类间方差；另一方面，为了排除在指定类中很少出现但在其他类中普遍存在的特征项，降低人为选取比例因子带来的误差，本文在CHI中引入自适应比例因子。实验结果表明，与CHI统计方法相比，改进后的CHI特征选择方法提高了非平衡语料集上的分类准确度。

关键词：CHI统计、词频因子、类间方差、自适应比例因子

分类号：TP391(计算技术、计算机技术)

在线出版日期：2016-12-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：7-11,63