文本分類中的貝葉斯特征選擇.pdf

1、由于人們獲取電子文檔的能力不斷增強，管理這些文檔的需求也不斷增加，人們對文本自動分類，即將文本自動分入預先定義的類別結構中的興趣正迅速高漲.而文本分類中的一個重要問題就是特征選擇，其目的是改善分類效果、提高計算效率、或者兩者兼得.由于現實中的文本數據集往往存在著類別不均衡性以及特征稀疏性等特點，因此通過衡量特征與類別結構關系的不同側面來判斷各個特征的類別性質的過濾式方法會表現得比較差.此外，它們要么僅僅選擇與類別相關的特征，要么在選擇相

2、關特征之后添加一個冗余性分析步驟.顯然，這樣的方法是會丟失具有交互作用的特征的.
　　本文將特征選擇放在訓練的過程中，通過學習的方法從一個帶標簽的文檔集中學習類別結構屬性，進而選擇出最優(yōu)的特征子集.給出了一個生成模型，通過引入一個兩值“排除/包含”的潛在向量來處理特征選擇問題，最后使用一個高效的Metropolis搜索的方法來更新這個潛在向量.用邊來刻畫特征之間的相互關系，定義特征與類別的相關性.最后，將特征選擇問題轉換成了一個優(yōu)