文本分类中互信息特征选择方法的研究与算法改进

摘要：

在深入研究传统互信息特征选择方法的基础上,详细分析了该算法分类精确度不高的原因.针对传统互信息算法中的负相关现象以及倾向于选择低频特征词的问题,提出一种基于互信息的特征优化选择方法.该方法在综合考虑频度、集中度、分散度等因素的基础上,通过引入三个调整参数,有效地保证了负相关特征在文本分类中不可忽视的作用,并且提高了高频词汇的选择比重.实验表明,改进的方法可以有效地提高文本分类精度,并且具有更好的稳定性.

关键词：文本分类、互信息、特征选择、负相关、频度

所属期刊栏目：33

分类号：TP391.1(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目60972077

在线出版日期：2014-02-28（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：116-118,152