一种文本特征选择方法的研究

被引：6

作者：

陈素萍 ^{[1
,2
]}

谢丽聪 ^{[1
]}

机构：

[1] 福州大学数学与计算机科学学院

[2] 福建师范大学协和学院

来源：

计算机技术与发展 | 2009年 / 19卷 / 02期

关键词：

文本特征; 文本分类; 特征选择;

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：

在文本分类中,对高维的特征集进行降维是非常重要的,不但可以提高分类精度和效率,也可以找出富含信息的特征子集。而特征选择是有效降低特征向量维数的一种方法。目前常用的一些特征选择算法仅仅考虑了特征词与类别间的相关性,而忽略了特征词与特征词之间的相关性,从而存在特征冗余,影响了分类效果。为此,在分析了常用的一些特征选择算法之后,提出了一种基于mRMR模型的特征选择方法。实验表明,该特征选择方法有助于提高分类性能。

引用

页码：112 / 115

页数：4

共 6 条

[1]

On the specification of term values in automatic indexing. G Salton,A Wong,CS Yang. Journal of Documentation . 1973

[2]

Lexical Analysis and Stoplists. Fox C. Information Retrieval:Data Structure&Algorithms . 1992

[3]

A Comparative Study on Feature Selection in Text Categorization. YANG Yi-ming,PEDERSON J O. Proceedings of the14th Inter-national Conference on Machine learning . 1997

[4]

Minimum redundancy feature selection from microarray gene expression data. Ding C,Peng H C. Proceeding ofSecond IEEE Computational Systems Bioinformatics Conference . 2003

[5]

Feature selection based on mutual information: criteria of max-dependency, max-relevance, and min-redundancy. Peng,HC,Long,FH,Ding,C. IEEE Transactions on Pattern Analysis and Machine Intelligence . 2005

[6]

Stemming Algorithms. Frakes,WB,Frakes,WB,Baeza-Yates,R. Information Retrieval, Data Structures & Algorithms . 1992

← 1 →