知识增益:文本分类中一种新的特征选择方法

被引：6

作者：

徐燕

王斌

李锦涛

孙春明

机构：

[1] 中国科学院计算技术研究所

来源：

中文信息学报 | 2008年 / 01期

基金：

北京市自然科学基金;

关键词：

计算机应用; 中文信息处理; 文本分类; 特征选择; 粗糙集; 信息检索;

D O I：

暂无

中图分类号：

TP391.1 [文字信息处理];

学科分类号：

081203 ; 0835 ;

摘要：

特征选择在文本分类中起重要的作用。文档频率(DF)、信息增益(IG)和互信息(MI)等特征选择方法在文本分类中广泛应用。已有的实验结果表明,IG是最有效的特征选择算法之一,该方法基于申农提出的信息论。本文基于粗糙集理论,提出了一种新的特征选择方法(KG算法),该方法依据粗糙集理论关于知识的观点,即知识是分类事物的能力,将知识进行量化,提出知识增益的概念,得到基于知识增益的特征选择方法。在两个通用的语料集OHSUMED和NewsGroup上进行分类实验发现:KG算法均超过IG的性能,特别是在特征空间的维数降到低维时尤其明显,可见KG算法有较好的性能;

引用

页码：44 / 50

页数：7

共 7 条

[1] 文本分类中基于基尼指数的特征选择算法研究 [J].