一种基于N-Gram改进的文本特征提取算法

被引：18

作者：

于津凯

王映雪

陈怀楚

机构：

[1] 清华大学计算机与信息管理中心

[2] 清华大学计算机与信息管理中心北京

[3] 北京

[4] 北京

来源：

关键词：

文本特征提取; N-Gram算法; gram关联矩阵;

D O I：

暂无

中图分类号：

TP391.1 [文字信息处理];

学科分类号：

摘要：

介绍一种改进的文本特征提取及匹配算法。该算法基于N-Gram算法思路进行文本处理和特征提取,设计了gram关联矩阵用于统计与合并特征词,从而在固定长度N-Gram算法的基础上能够提取出不同长度的特征词。实验证明,该特征提取算法能够更为准确地描述文本特征,可应用于文本检索、Web挖掘等信息处理领域。

引用

页码：48 / 50+43 +43

页数：4