已閱讀1頁,還剩59頁未讀, 繼續(xù)免費閱讀
版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領
文檔簡介
1、詞頻-逆文本頻率(Term Frequency-Inverse Document Frequency,TF-IDF)是一種經(jīng)典的基于VSM模型的權(quán)重計算方法,其算法相對簡單,非常便于計算,應用較多。但該方法比較粗糙,容易導致特征空間高維稀疏?;趥鹘y(tǒng)的TF-IDF特征選擇思想,本文引入類別描述因子,基于類內(nèi)、類間信息修正TF-IDF權(quán)重因子,提出一種包含類別信息的TF-IDF-CD(Category Description,CD)模型。
2、該模型的TF部分含有特征項的類內(nèi)頻數(shù)信息,IDF部分含有特征項的類間頻數(shù)信息,突出類別貢獻大的特征的權(quán)重,抑制次要特征權(quán)重。最后通過文本分類實驗,將其在偏斜語料和均衡語料下分別與NB、KNN等分類器結(jié)合進行文本分類實驗,比較其與TF-IDF、CTD等幾種方法的分類精確度。結(jié)果顯示,TF-IDF-CD方法在特征項較少時已有很好分類效果。相比TF-IDF,在不同語料以及不同分類器下,其平均分類精度均有大幅提高,最低為14%,最高可達30%。
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 中文文本分類中卡方特征提取和對TF-IDF權(quán)重改進.pdf
- tf-idf向量模型文本分類算法
- 基于改進TF-IDF特征提取的文本分類模型的設計與實現(xiàn).pdf
- 文本分類中詞語權(quán)重計算方法的改進及應用.pdf
- 文本特征項的權(quán)重計算方法研究.pdf
- 文本分類的特征選擇和分類方法研究.pdf
- 基于特征權(quán)重算法的文本分類研究.pdf
- 文本分類中特征選擇方法研究.pdf
- 基于TF-IDF的音頻和歌詞特征融合模型的音樂情感分析研究.pdf
- 基于TF-IDF模型的高光譜影像端元提取方法研究.pdf
- 文本分類特征選擇方法研究.pdf
- 文本分類中特征選擇和分類算法的研究.pdf
- 基于改進詞語權(quán)重的文本分類方法研究.pdf
- 文本分類中的特征選擇研究.pdf
- 類別特征詞權(quán)重加權(quán)文本分類方法
- 基于多詞TF-IDF算法的智能導醫(yī)系統(tǒng)研究.pdf
- 基于SVM的文本分類系統(tǒng)中特征選擇與.pdf
- 維吾爾文文本分類中特征選擇方法的研究.pdf
- 基于特征選擇和特征加權(quán)算法的文本分類研究.pdf
- 文本分類中特征選擇方法研究--維吾爾語系.pdf
評論
0/150
提交評論