声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：51-1196/TP
国际刊号：1001-3695
发布日期:
作者：邓晓衡,杨子荣,关培源,
单位：中南大学软件学院,长沙410075；
关键词：文本分类,特征选择,卡方分布,向量空间模型,
基金：中南大学研究生创新基金资助项目(2017zzts732)；；
文本内容较多时，传统的向量空间模型（VSM）建模可能产生维数爆炸现象，效率低下且难以保证分类效果。针对VSM高维现象，利用词义和词频降低文本建模维度的方法提高效率和准确度，提出一种多义词判别优化的同义词聚类方法，结合上下文判别多义词的词义后，根据特征项词义相似度进行加权，合并词义相近的特征项。新方法使特征向量维度大大降低，多义词判别提高了文本特征提取的准确性。与其他文本特征提取和文本分类方法进行比较，结果表明，该算法在效率和准确度上有明显提高。
来源：2019年第5期
《计算机应用研究》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。