基于类别特征域的文本分类特征选择方法

作者：赵世奇; 张宇; 刘挺; 陈毅恒; 黄永光; 李生

来源：中文信息学报, 2005, 19(06): 23-29.

DOI：10.3969/j.issn.1003-0077.2005.06.004

• 计算机应用
• 中文信息处理
• 文本分类
• 特征选择
• 类别特征域

特征选择是文本分类的关键问题之一,而噪音与数据稀疏则是特征选择过程中遇到的主要障碍。本文介绍了一种基于类别特征域的特征选择方法。该方法首先利用“组合特征抽取”[1]的方法去除原始特征空间中的噪音,从中抽取出候选特征。这里,“组合特征抽取”是指先利用文档频率(DF)的方法去掉一部分低频词,再用互信息的方法选择出候选特征。接下来,本方法为分类体系中的每个类别构建一个类别特征域,对出现在类别特征域中的候选特征进行特征的合并和强化,从而解决数据稀疏的问题。实验表明,这种新的方法较之各种传统方法在特征选择的效果上有着明显改善,并能显著提高文本分类系统的性能。

• 单位
  哈尔滨工业大学