基于DF和CHI的联合特征提取方法及其应用

被引：9

作者：

李玉鑑

周兰珍

操卫平

机构：

[1] 北京工业大学计算机学院

来源：

北京工业大学学报 | 2008年 / 09期

关键词：

文档频率; CHI统计; 联合特征选取; 网页分类;

D O I：

暂无

中图分类号：

TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

分析了与类别信息有关的CHI统计特征选取方法和与类别无关的文档频率特征选取方法,在此基础上提出文档频率与CHI统计相结合的特征提取方法,以选取分类能力强的词项特征,从而提高网页分类效果.以该联合特征提取方法为基础构建的网页分类系统,在参加SEWM2007分类评测的8个代表队中,取得Macro-F1值排名第3的成绩.

引用

页码：995 / 1000

页数：6

共 5 条

[1] 中文文本分类中特征抽取方法的比较研究 [J].

代六玲 ;

黄河燕 ;

陈肇雄 .

中文信息学报, 2004, (01) :26-32

[2] 几种典型特征选取方法在中文网页分类上的效果比较 [J].

单松巍 ;

冯是聪 ;

李晓明 ;

不详 .

计算机工程与应用 , 2003, (22) :146-148

[3] 基于字频向量的中文文本自动分类系统 [J].

王梦云 ;

曹素青 .

情报学报, 2000, (06) :644-649

[4]

Feature selection for text categorization on imbalanced data[J] . Zhaohui Zheng,Xiaoyun Wu,Rohini Srihari.ACM SIGKDD Explorations Newsletter . 2004 (1)

[5]

Introduction to Modem Information Retrieval .2 Salton G. . 1983

← 1 →