文献类型：期刊文章

作　　者：廖一星[1]

机构地区：[1]浙江财经学院信息学院计算机应用研究所,杭州310018

出　　处：《计算机工程与应用》

年　　份：2009

卷　　号：45

期　　号：33

起止页码：117-119

语　　种：中文

收录情况：AJ、BDHX、BDHX2008、CSA、CSA-PROQEUST、CSCD、CSCD2011_2012、IC、INSPEC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：Sprinkling方法是一种集成了训练样本类别信息的监督潜在语义模型。但是该方法特征权重采用词频,降低了文本分类效果,同时该模型并没有考虑不同样本对分类的贡献能力,而是认为样本对分类的贡献相同,另外,该模型采用多个特征映射一个类别来加强类别知识对分类的贡献。为此,文章在Sprinkling方法的基础上提出了一种新的监督潜在语义模型。实验结果表明,该文方法的总体性能优于原始的Sprinkling方法,在特征数为1100时,获得了最高分类精度,提高幅度达到1.71%。

关 键 词：文本分类 潜在语义 sprinkling方法  

分 类 号：TP181]