基于信息增益的中文文本关联分类

被引：1

作者：

陈志雄

陈健

闵华清

机构：

[1] 华南理工大学计算机软件学院

来源：

中文信息学报 | 2007年 / 03期

基金：

广东省科技计划; 高等学校博士学科点专项科研基金; 广东省自然科学基金;

关键词：

计算机应用; 中文信息处理; 信息增益; 关联分类; 文本分类;

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：

关联分类是一种通过挖掘训练集中的关联规则,并利用这些规则预测新数据类属性的分类技术。最近的研究表明,关联分类取得了比传统的分类方法如C4.5更高的准确率。现有的基于支持度-置信度架构的关联分类方法仅仅是选择频繁文字构建分类规则,忽略了文字的分类有效性。本文提出一种新的ACIG算法,结合信息增益与FoilGain在中文文本中选择规则的文字,以提高文字的分类有效性。实验结果表明,ACIG算法比其他关联分类算法(CPAR)有更高的准确率。

引用

页码：61 / 68

页数：8

共 12 条

[1] 基于n-gram语言模型和链状朴素贝叶斯分类器的中文文本分类系统 [J].