文献类型：期刊文章

作　　者：袁满[1] 欧阳元新[2] 熊璋[1] 罗建辉[1]

机构地区：[1]北京航空航天大学计算机学院,北京 100191 [2]北京航空航天大学深圳研究院,深圳518000

出　　处：《东南大学学报（自然科学版）》

基　　金：国家自然科学基金资助项目(61103095);国家国际科技合作专项资助项目(2010DFB13350);国家高技术研究发展计划(863计划)资助项目(2011AA010502);中央高校基本科研业务费专项资金资助项目

年　　份：2014

卷　　号：44

期　　号：2

起止页码：256-260

语　　种：中文

收录情况：AJ、BDHX、BDHX2011、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2013_2014、EI(收录号：20141917700337)、IC、INSPEC、JST、MR、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：为了解决向量空间模型(VSM)对短文本内容表示能力不足的问题,提出了一种基于频繁词集的特征扩展方法.定义了单词间的共现关系和类别同向关系,通过计算单词集的支持度和置信度,挖掘出具有相同类别倾向的频繁词集,并将其作为短文本特征扩展的背景知识库.对于短文本中的每个原始单词,从背景知识库中查找包含有该单词的频繁词集,将其作为扩展特征加入原特征向量中.搜狗语料集上的实验结果表明,置信度和支持度对背景知识库的规模有较大的影响,但是扩展过多的特征存在冗余性,对分类效果没有进一步的提升.基于频繁词集构建的短文本背景知识库可以作为有效的扩展特征;当训练文本数较为有限时,特征扩展对支持向量机SVM的分类效果有显著的提升.

关 键 词：频繁项目集 短文本分类  特征扩展  

分 类 号：TP391]