[发明专利]一种改良的文本分类特征选择方法有效
| 申请号： | 201410795989.X | 申请日： | 2014-12-11 |
| 公开（公告）号： | CN105893380B | 公开（公告）日： | 2019-08-23 |
| 发明（设计）人： | 朱永强;黄筱聪 | 申请（专利权）人： | 成都网安科技发展有限公司 |
| 主分类号： | G06F16/35 | 分类号： | G06F16/35;G06F17/27 |
| 代理公司： | 北京超凡志成知识产权代理事务所(普通合伙) 11371 | 代理人： | 李静文 |
| 地址： | 610092 四川*** | 国省代码： | 四川;51 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种改良的文本分类特征选择方法，其中，所述一种改良的文本分类特征选择方法包括：获取训练集文本；对获取的训练集文本分词、去除停用词；改良特征选择方法，使用特征词的文本频率对全体词集进行划分，使用信息增益值对低频词集进行特征选择，再通过改进的χ2统计法对高频词集进行特征选择；合并两部分特征词形成最终分类特征词集。采用本发明，可以通过两次特征选择过程，选择出更具类别代表性的特征词，提高分类效率和准确度。 | ||
| 搜索关键词： | 一种 改良 文本 分类 特征 选择 方法 | ||
【主权项】：
1.一种改良的分类文本特征选择方法，其特征在于，具体包括以下步骤：步骤1：获取不同类别的一定数量文本，将其赋予类别标签，作为文本分类的训练样本集；步骤2：对训练样本集的文本进行预处理，包括中文分词，去停用词处理；步骤3：使用改良的特征选择方法对文本进行特征选择，其中，包括：结合特征词的文本频率(Document Frequency，DF)对全体词集进行划分；具体为：将预处理后各词按照文档频率进行排序，将词集T划分成两个集合：一个是文档频率小于某阈值的低频特征词集TA，一个是文档频率大于或等于某阈值的高频特征词集TB；使用信息增益值(Information Gain，IG)对低频特征词集进行特征选择；使用基于改进的χ2统计法对高频特征词集进行特征选择；整合两部分特征词，形成文本分类特征词集。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于成都网安科技发展有限公司，未经成都网安科技发展有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201410795989.X/，转载请声明来源钻瓜专利网。
