摘要
文档向量化的质量对于文本分类的速度和准确度有着很大的影响。对文档向量化中常用的TF-IDF公式,互信息量公式以及信息增益公式进行了分析。提出一种基于词频差异的特征选取方法和改进的TF-IDF公式,以提高特征选取质量和文本分类的速度及准确度。
The vectofization of documents affects the speed and accuracy of text categorization greatly. The most common used formulas： TF-IDF, MI, and IG were analyzed. The method of feature selection based on word frequency differentia was proposed and TF-IDF formula was modified to improve the quality of feature selection, the speed and accuracy of categorization.
出处
《计算机应用》
CSCD
北大核心
2005年第9期2031-2033,共3页
journal of Computer Applications
作者简介
罗欣（1982-），男，湖北钟祥人，硕士研究生，主要研究方向：数据挖掘、中文信息处理；ace_luo@hotmail.com
夏德麟（1940-），男，湖北武汉，教授，主要研究方向：数据挖掘。
晏蒲柳（1962－），女，湖北武汉人，教授，博士生导师，主要研究方向：计算机网络。
