一种基于同义词扩展的不平衡文本分类方法*

摘要：

针对传统文本分类方法的性能，尤其是其中少数类的分类性能会随着文本不平衡程度的加重而迅速恶化的现象，提出了一种基于同义词扩展的不平衡文本分类改进方法。该方法通过建立同义词词典、确定扩展规则和调整“特征保持因子冶等几个步骤，实现了少数类中的特征项的丰富和补偿，同时对扩展带来的原文档特征变化予以了补偿。实验结果表明，该方法可以从很大程度上改善少数类的分类性能，并且随着少数类中文本数量的减少，性能的提升会越发显著。与此同时，分类器的总体分类性能也得到了一定程度的提升。

关键词：文本分类、不平衡数据集、同义词词典、词频保持

分类号：TP391.1(计算技术、计算机技术)

资助基金：国家自然科学基金项目“基于行为分析的网络流量检测技术研究”60972077的资助。

在线出版日期：2013-10-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：204-207