论文研究基于词频类别相关的特征权重算法.pdf

在文本分类领域中，目前关于特征权重的研究存在两方面不足：一方面，对于基于文档频率的特征权重算法，其中的文档频率常常忽略特征的词频信息；另一方面，对特征与类别的关系表达不够准确和充分。针对以上不足，提出一种新的基于词频的类别相关特征权重算法（CDF-AICF）。该算法在度量特征权重时，考虑了特征在每个词频下的文档频率。同时，为了准确表达特征与类别的关系，提出了两个新的概念：类别相关文档频率CDF和平均逆类频率AICF，分别用于表示特征对类别的表现力和区分力。最后，通过与其他五个特征权重度量方法相比较，在三个数据集上进行分类实验，结果显示，CDF-AICF的分类性能优于其他五种度量方法。