文献类型：期刊文章

作　　者：甄志龙[1] 张居晓[2]

Zhen Zhilong;Zhang Juxiao(School of Computer Science,Tonghua Normal University,Tonghua Jilin 134002,China;School of Mathematics and Information Science,Nanjing Normal University of Special Education,Nanjing 210038,China)

机构地区：[1]通化师范学院计算机学院,吉林通化134002 [2]南京特殊教育师范学院数学与信息科学学院,南京210038

出　　处：《统计与决策》

基　　金：吉林省教育厅科学研究项目(JJKH20210533KJ);江苏省高等学校自然科学研究重大项目(19KJA310002);江苏省高等学校自然科学研究项目(17KJD520006)。

年　　份：2022

期　　号：23

起止页码：43-47

语　　种：中文

收录情况：BDHX、BDHX2020、CSSCI、CSSCI2021_2022、NSSD、RCCSE、RWSKHX、ZGKJHX、核心刊

摘　　要：经典的文本频数DF从全局角度统计某个单词特征出现的文本数,而忽略了局部信息。文章针对传统DF文本特征抽取方法存在的不足,对DF方法进行了改进和优化,通过考虑单词特征的局部信息和全局信息,利用类别信息从局部统计单词在各个类上的分布,并结合分散性和变异性利用极差、变异系数和变形KL散度三种方式从全局角度度量单词重要性,提出了一种基于统计极差和变异系数的文本特征抽取方法。在英文文本数据集路透社Reuters-21578财经新闻和20Newsgroups新闻组以及中文文本数据集搜狗新闻语料库中进行了实验和测试,结果表明,该方法能够提升文本特征抽取的效果,与其他方法相比在多类别平衡文本数据集上更能显示其优越性。

关 键 词：极差  变异系数  文本频数  特征抽取

分 类 号：TP391.1]