一种新的特征词权值计算模型及其在文本分类中的应用

扫码查看

原文链接

NETL

中文摘要：传统的特征词权值计算模型-TF*IDF侧重于在整个训练文档集中考虑特征词权值的计算,而没有考虑特征词在不同类别中具备不同重要性的基本事实.针对这种情况,提出基于类区分度的特征词权值计算模型-TF*CD.基于这种模型,在文档特征向量计算、相似度计算等方面对传统k-NN算法作必要修改的基础上,提出CDB-KNN算法.实验表明与基于TF*IDF的k-NN相比,CDB-KNN具备更好的分类效果.这表明在文本分类中,TF*CD比目前最常用的TF*IDF更适合计算特征词权值.

作者：

邓志鸿、唐世渭、谢昆青、杨冬青、张铭

展开 >

作者单位：

北京大学信息科学技术学院视觉与听觉处理国家重点实验室、北京大学信息科学技术学院计算机科学技术系

关键词：

类区分度文本分类 CDB-KNN 特征词权值计算信息检索

主办单位：

中国计算机学会

会议名称：

2003中国计算机大会

会议时间：

2003-11-01

会议地点：

北京

会议母体文献：

2003中国计算机大会论文集

页码：

723-728

出版时间：

2003