作者：
徐冬冬
吴韶波
作者机构：
北京信息科技大学信息与通信工程学院
,
北京
100101
出版物刊名：
现代图书情报技术
页码：
39-48
页
年卷期：
2015
年
第
3
期
主题词：
文本分类
特征选择
TF-IDF
类别描述
摘要：
【目的】对特征权重公式进行改进，提高文本分类精度。
【方法】引入类内、类间信息并修正
TF-IDF
权重因子，得到基于类别描述的
TF-IDF-CD
方法。将其在偏斜文本集和均衡文本集下分别与
NB
、
KNN
等分类方法结合进行文本分类实验，比较其与
TF-IDF
、
CTD
等方法的分类精确度。
【结果】
TF-IDF-CD
方法在特征项较少时已有很好分类效果。相比
TF-IDF,
在不同文本集以及不同分类方法下，
其平均分类精度均有大幅提高，最低为
14
％，最高可达
30
％。与
CTD
相比，
TF-IDF-CD
与
NB
、
SVM
及
DT
结合后的平均分类精度均有
1
％
-13
％的提高。而在非均衡文本集下，
TF-IDF-CD
与
KNN
结合时其性能比
CTD
与
KNN
结合时低
2
％。
【局限】
TF-IDF-CD
与对文本集不均衡性较敏感的
KNN
结合时，其抗数据偏斜能力仍需改善。
【结论】实验结果表明，
TF-IDF-CD
特征选择方法有效，对
TF-
IDF
的改进具有一定借鉴意义。
