基于改进TF-IDF特征提取的文本分类模型研究

摘要：

[目的/意义]特征提取会很大程度地影响分类效果,而传统TF-IDF特征提取方法缺乏对特征词上下文环境和对特征词在类之间分布状况的考虑.[方法/过程]本文提出一种改进TF-IDF特征提取的方法:①基于文本网络和改进PageRank算法计算节点重要程度值,解决传统TF-IDF忽略文本结构信息的问题;②增加特征值IDF值的方差来衡量特征词w在不同类别文本集中程度的分布情况,解决传统TF-IDF忽略特征词在类之间分布状况的不足.[结果/结论]基于该改进方法构建了文本分类模型,对3D打印数据进行分类实验.对比算法改进前后的分类效果,验证了该方法能够有效提高文本特征词提取的准确度.

关键词：特征提取、TF-IDF、文本分类、文本网络、PageRank

所属期刊栏目：35

分类号：G254(图书馆学、图书馆事业)

资助基金：国家自然科学基金;国家自然科学基金;国家自然科学基金;国家自然科学基金;国家自然科学基金;教育部人文社会科学研究项目

在线出版日期：2017-06-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：111-118