论文部分内容阅读
特征选择是文本分类中一种重要的文本预处理技术，它能够有效地提高分类器的精度和效率。文本分类中特征选择的关键是寻求有效的特征评价指标。一般来说，同一个特征评价指标对不同的分类器，其效果不同，由此，一个好的特征评价指标应当考虑分类器的特点。由于朴素贝叶斯分类器简单、高效而且对特征选择很敏感，因此，对用于该种分类器的特征选择方法的研究具有重要的意义。有鉴于此，提出了一种有效的用于贝叶斯分类器的多类别文本特征评价指标：CDM。利用贝叶斯分类器在两个多类别的文本数据集上进行了实验。实验结果表明提出的CDM指标具有比