知识增益：文本分类中一种新的特征选择方法
文献类型：期刊论文
| 作者 | 徐燕; 王斌; 李锦涛; 孙春明 |
| 刊名 | 中文信息学报
 |
| 出版日期 | 2008 |
| 卷号 | 22.0期号:1.0页码:44 |
| 关键词 | 计算机应用 中文信息处理 文本分类 特征选择 粗糙集 信息检索 |
| ISSN号 | 1003-0077 |
| 英文摘要 | 特征选择在文本分类中起重要的作用。文档频率（DF）、信息增益（IG）和互信息（MI）等特征选择方法在文本分类中广泛应用。已有的实验结果表明，IG是最有效的特征选择算法之一，该方法基于申农提出的信息论。本文基于粗糙集理论，提出了一种新的特征选择方法（KG算法），该方法依据粗糙集理论关于知识的观点，即知识是分类事物的能力．将知识进行量化，提出知识增益的概念，得到基于知识增益的特征选择方法。在两个通用的语料集OHSUMED和NewsGroup上进行分类实验发现：KG算法均超过IG的性能，特别是在特征空间的维数降到低维时尤其明显，可见KG算法有较好的性能； |
| 语种 | 英语 |
| 源URL | [http://119.78.100.204/handle/2XEOYT63/37509]  |
| 专题 | 中国科学院计算技术研究所期刊论文_中文 |
| 作者单位 | 中国科学院计算技术研究所 |
| 推荐引用方式 GB/T 7714 | 徐燕,王斌,李锦涛,等. 知识增益：文本分类中一种新的特征选择方法[J]. 中文信息学报,2008,22.0(1.0):44. |
| APA | 徐燕,王斌,李锦涛,&孙春明.(2008).知识增益：文本分类中一种新的特征选择方法.中文信息学报,22.0(1.0),44. |
| MLA | 徐燕,et al."知识增益：文本分类中一种新的特征选择方法".中文信息学报 22.0.1.0(2008):44. |
入库方式： OAI收割
来源：计算技术研究所
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。