论文部分内容阅读
文本的特征提取是文本分类过程中的一个重要环节，它的好坏将直接影响文本分类的准确率。该文介绍了词条的χ2统计方法（CHI）、词条与类别的互信息（MI）、信息增益（IG）、词条的期望交叉熵（CE）等文本特征提取方法，并对其取词策略进行了改进。为了对这些特征提取方法进行系统地比较，选择了三种代表性的分类器对《读卖新闻》文本数据库进行了分类实验。实验结果表明χ2统计方法具有最好的准确率，各种改进的特征提取方法都能提高文本分类的准确率。