首页|类依赖特征选择算法在文本分类中的优化研究

类依赖特征选择算法在文本分类中的优化研究

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
在对文本进行分类时,大量的冗余特征会增加计算复杂度并降低分类的精度,因此需要对特征进行降维.论文提出了一种类依赖(CD)特征选择算法,通过训练集计算出所有文档的关联值(DR),根据类别,分别计算出对应类的阈值(CT),依次提取出大于阈值的文档中的最大特征,得到了对应类的特征向量,以确保每个类别都有不同数量的特征.仿真结果表明,与IG-PSO和GA两种特征选择算法相比,CD特征选择算法根据类别选择特征子集,使得分类的准确率和F1指标得到提升.
Research on Optimization of Class-dependent Feature Selection Algorithm in Text Classification

刘云、肖雪、黄荣乘

展开 >

昆明理工大学信息工程与自动化学院 昆明 650500

卡方统计量 朴素贝叶斯分类器 特征选择

国家自然科学基金

61262040

2021

10.3969/j.issn.1672-9722.2021.10.019

计算机与数字工程
中国船舶重工集团公司第七0九研究所

计算机与数字工程

CSTPCD
影响因子：0.355
ISSN：1672-9722
年,卷(期)：2021.49(10)
  • 6