Institute of Computing Technology, Chinese Academy IR
| 基于偏斜数据集的文本分类特征选择方法研究 | |
| 刘振岩1; 孟丹2; 王伟平2; 王勇3 | |
| 2014 | |
| 发表期刊 | 中文信息学报
 |
| ISSN | 1003-0077 |
| 卷号 | 28.0期号:002页码:116 |
| 摘要 | 对于不同类别样本数量差别很大的偏斜文本数据集,使用传统的特征选择方法所选出的特征绝大多数来自于大类,会使得分类器偏重大类而忽略小类,直接影响分类效果.该文首先针对偏斜文本数据集的数据特点,分析发现偏斜数据集中影响特征选择的两个重要因素,即特征项的类别分布和类间差异,其中类别分布因素反映的是特征项在整个数据集中的类别频率差异;而类别差异因素反映的是特征项在不同类别之间的相对文档频率差异.然后基于这两个重要因素构造形成一个新的尤其适用于偏斜文本分类的特征选择函数 相对类别差异（Rel-ative Category Difference,RCD）.与传统的特征选择方法进行对比实验的结果表明,RCD特征选择方法对于偏斜文本分类效果更优. |
| 关键词 | 文本分类 偏斜数据集 特征选择 类别差异 |
| 语种 | 英语 |
| 文献类型 | 期刊论文 |
| 条目标识符 | http://119.78.100.204/handle/2XEOYT63/36816 |
| 专题 | 中国科学院计算技术研究所期刊论文_中文 |
| 作者单位 | 1.中国科学院计算技术研究所 2.中国科学院信息工程研究所 3.北京理工大学 |
| 第一作者单位 | 中国科学院计算技术研究所 |
| 推荐引用方式 GB/T 7714 | 刘振岩,孟丹,王伟平,等. 基于偏斜数据集的文本分类特征选择方法研究[J]. 中文信息学报,2014,28.0(002):116. |
| APA | 刘振岩,孟丹,王伟平,&王勇.(2014).基于偏斜数据集的文本分类特征选择方法研究.中文信息学报,28.0(002),116. |
| MLA | 刘振岩,et al."基于偏斜数据集的文本分类特征选择方法研究".中文信息学报 28.0.002(2014):116. |
| 条目包含的文件 | 条目无相关文件。 | |||||
| 个性服务 |
| 推荐该条目 |
| 保存到收藏夹 |
| 查看访问统计 |
| 导出为Endnote文件 |
| 谷歌学术 |
| 谷歌学术中相似的文章 |
| [刘振岩]的文章 |
| [孟丹]的文章 |
| [王伟平]的文章 |
| 百度学术 |
| 百度学术中相似的文章 |
| [刘振岩]的文章 |
| [孟丹]的文章 |
| [王伟平]的文章 |
| 必应学术 |
| 必应学术中相似的文章 |
| [刘振岩]的文章 |
| [孟丹]的文章 |
| [王伟平]的文章 |
| 相关权益政策 |
| 暂无数据 |
| 收藏/分享 |
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。
修改评论