一种改进的文本特征选择算法

被引：7

作者：

朱颢东 ^{[1
]}

蔡乐才 ^{[1
]}

刘忠英 ^{[2
]}

机构：

[1] 四川理工学院

[2] 西华大学

来源：

现代电子技术 | 2008年 / 08期

关键词：

文本挖掘; 特征选择; 特征向量; 文档;

D O I：

10.16652/j.issn.1004-373x.2008.08.027

中图分类号：

TP301.6 [算法理论];

学科分类号：

081202 ;

摘要：

在文本挖掘中,文档通常以特征向量的形式表示。为了提高文本挖掘算法的运行速度,降低占用的内存空间,过滤掉不相关或相关程度低的特征,提出一种改进的特征选择算法,该算法对特征进行综合考虑,从而更加准确地选取有效的特征。实验验证了改进算法的可行性和有效性。

引用

页码：97 / 99+102 +102

页数：4

共 6 条

[1] 基于多重启发式规则的中文文本特征值提取方法 [J].

邹娟 ;

周经野 ;

邓成 ;

刘玲 .

计算机工程与科学, 2006, (08) :78-80+104

[2] 使用最大熵模型进行中文文本分类 [J].

李荣陆 ;

王建会 ;

陈晓云 ;

陶晓鹏 ;

胡运发 .

计算机研究与发展, 2005, (01) :94-101

[3] 基于互关联后继树的时间序列相似性查询 [J].

曾海泉 ;

宋扬 ;

申展 ;

胡运发 .

计算机研究与发展, 2004, (02) :325-332

[4] Web文本挖掘技术研究 [J].

王继成 ;

潘金贵 ;

张福炎 .

计算机研究与发展, 2000, (05) :513-520

[5] Mining text using keyword distributions [J].

Feldman, R ;

Dagan, I ;

Hirsh, H .

JOURNAL OF INTELLIGENT INFORMATION SYSTEMS, 1998, 10 (03) :281-300

[6] Bayesian Network Classifiers [J].

Nir Friedman ;

Dan Geiger ;

Moises Goldszmidt .

Machine Learning, 1997, 29 :131-163

← 1 →