文献类型：期刊文章

作　　者：台德艺[1] 王俊[1]

机构地区：[1]合肥学院机器视觉与智能控制技术重点实验室,合肥230601

出　　处：《计算机工程》

基　　金：安徽省高校省级自然科学基金资助项目(KJ2008B120)

年　　份：2010

卷　　号：36

期　　号：9

起止页码：197-199

语　　种：中文

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

摘　　要：TF-IDF是一种在文本分类领域获得广泛应用的特征词权重算法,着重考虑了词频与逆文档频等因素,但无法把握特征词在类间与类内的分布情况。为提高在同类中频繁出现、类内均匀分布的具有代表性的特征词权重,引入特征词分布集中度系数改进IDF函数、用分散度系数进行加权,提出TF-IIDF-DIC权重函数。实验结果表明,基于TF-IIDF-DIC权重算法的K-NN文本分类宏平均F1值比TF-IDF算法提高了6.79%。

关 键 词：向量空间模型 文本分类 特征权重  特征分布  

分 类 号：TP391]