计算机应用研究

作者：蔡镇,高健,秦晓军,

单位：江南计算技术研究所,江苏无锡214083；

关键词：卡方统计,期望交叉熵,特征选择,文本分类,

基金：国家自然科学基金资助项目(61732018)；；

针对文本分类特征选择方法中的卡方统计（CHI）和期望交叉熵（ECE），分析了其特点和不足。为了避免传统CHI和ECE方法在不平衡数据集上分类效果差的问题，通过引入调节因子和除去负相关影响因素，给出了改进的CHI方法（pCHI），并以加权的方式弥补ECE方法倾向于选择弱区分能力高频特征的缺陷（ωECE）。在综合两种改进后方法的基础上，进一步提出基于改进CHI和带权ECE结合（pCHIωECE）的特征选择方法。经对比实验验证，pCHIωECE方法的查准率、F1值均优于CHI、ECE及pCHI、ωECE方法，且该方法的降维稳定性更好。

来源：2019年第10期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2019年第10期