期刊专题

基于MapReduce的多级特征选择机制

引用
特征选择是文本分类的关键步骤,分类结果的准确度主要取决于选择得到的特征词的优劣.文中提出一种基于MapReduce的多级特征选择机制,一方面利用改进的CHI特征选择算法进行初次筛选,再通过互信息方法对初选结果进行噪声词过滤、优质特征词前置等操作;另一方面将本机制载入MapReduce模型中,以减少多级特征选择作用于海量数据的时间消耗.实验结果表明,该机制能在较短的时间内处理大规模数据,同时也提升了文本分类的精度.

文本分类、特征选择、CHI、互信息、MapReduce

45

TP301(计算技术、计算机技术)

国家自然科学基金项目61379079

2018-12-18(万方平台首次上网日期,不代表论文的发表时间)

共7页

468-473,479

暂无封面信息
查看本期封面目录

计算机科学

1002-137X

50-1075/TP

45

2018,45(z2)

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn