中文会议： 第三届全国信息检索与内容安全学术会议论文集

会议日期： 2007-11-01

会议地点： 苏州

主办单位： 中国中文信息学会

作　　者： ; ; ; ;

机构地区： 中国科学院计算技术研究所

出　　处： 《第三届全国信息检索与内容安全学术会议》

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。

关 键 词： 文本分类 特征选择 粗糙集 信息检索

分 类 号： [TP]

领　　域： [自动化与计算机技术]