文献类型：期刊文章

作　　者：李文斌[1] 刘椿年[1] 陈嶷瑛[2]

机构地区：[1]北京工业大学计算机学院多媒体与智能软件技术北京重点实验室,北京100022 [2]石家庄经济学院信息工程系,石家庄050031

出　　处：《北京工业大学学报》

基　　金：国家自然科学基金资助项目(60173014);北京市自然科学基金资助项目(4022003)

年　　份：2006

卷　　号：32

期　　号：5

起止页码：456-460

语　　种：中文

收录情况：AJ、BDHX、BDHX2004、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2011_2012、EI(收录号：20063210056015)、IC、INSPEC、JST、MR、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：为了在分类精度不受损失的情况下提高训练速度,设计了3种基于信息增益(information gain,简称IG) 特征权重的分类算法,分别被命名为:IG-C1、IG-C2、IG-C．它们根据特征对IG贡献的大小及在新文本中出现的次数进行分类．这3种算法都具有较低的时间复杂度和实现简单的特点．实验结果表明,其中IG-C的分类效果最为理想．

关 键 词：文本处理 信息分类 特征提取 熵  

分 类 号：TP274.3]