文本层次分类中特征项权重算法的比较研究

特征项权重的计算方法是基于向量空间模型的文本分类中一个核心问题,其对文本分类的效果起着至关重要的作用。目前,特征项权重的计算方法很多,但在层次分类环境下哪种方法较好还没有定论。以层次分类环境为出发点,对TF.IDF和基于熵概念的权重方法进行了比较研究,实验结果表明TF.IDF整体得分最高,能够对文本进行较好地形式化表示。