主页期刊介绍编委会编辑部服务介绍道德声明在线审稿编委办公编辑办公English
2018-2019年专刊出版计划 微信服务介绍 最新一期:2019年第7期
     
在线出版
各期目录
纸质出版
分辑系列
论文检索
论文排行
综述文章
专刊文章
美文分享
各期封面
E-mail Alerts
RSS
旧版入口
中国科学院软件研究所
  
投稿指南 问题解答 下载区 收费标准 在线投稿
徐 燕,李锦涛,王 斌,孙春明.基于区分类别能力的高性能特征选择方法.软件学报,2008,19(1):82-89
基于区分类别能力的高性能特征选择方法
A Category Resolve Power-Based Feature Selection Method
投稿时间:2006-09-29  修订日期:2006-12-27
DOI:
中文关键词:  特征选择  文本分类  信息检索
英文关键词:feature selection  text categorization  information retrieval
基金项目:Supported by the National Natural Science Foundation of China under Grant Nos.60473002, 60603094 (国家自然科学基金); the Beijing Natural Science Foundation of China under Grant No.4051004 (北京市自然科学基金)
作者单位
徐 燕 中国科学院 计算技术研究所,北京 100080
华北电力大学,北京 102206 
李锦涛 中国科学院 计算技术研究所,北京 100080 
王 斌 中国科学院 计算技术研究所,北京 100080 
孙春明 中国科学院 计算技术研究所,北京 100080
华北电力大学,北京 102206 
摘要点击次数: 4828
全文下载次数: 7403
中文摘要:
      特征选择在文本分类中起着重要作用.文档频率(document frequency,简称DF)、信息增益(information gain,简称IG)和互信息(mutual information,简称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,DF稍差,而MI效果相对较差.在文本分类中,现有的特征选择函数性能的评估均是通过实验验证的方法,即完全是基于经验的方法.特征选择是选择部分最有区分类别能力的特征,为此,给出了两个特征选择函数需满足的基本约束条件,并提
英文摘要:
      One of the most important issues in Text Categorization (TC) is Feature Selection (FS). Many FS methods have been put forward and widely used in TC field, such as Information Gain (IG), Document Frequency (DF) thresholding, Mutual Information (MI) and so on. Empirical studies show that IG is one of the most effective methods, DF performs similarly, in contrast, and MI had relatively poor performance. One basic research question is why these FS methods cause different performance. Many existing work answers this question based on empirical studies. This paper presents a formal study of FS based on category resolve power. First, two desirable constraints that any reasonable FS function should satisfy are defined, then a universal method for developing FS functions is presented, and a new FS function KG using this method is developed. Analysis shows that IG and KG (knowledge gain) satisfy this universal method. Experiments on Reuters-21578 collection, NewsGroup collection and OHSUMED collection show that KG and IG get the best performance, even KG performs better than the IG method in two collections. These experiments imply that the universal method is very effective and gives a formal evaluation criterion for FS method.
HTML  下载PDF全文  查看/发表评论  下载PDF阅读器
 

京公网安备 11040202500064号

主办单位:中国科学院软件研究所 中国计算机学会
编辑部电话:+86-10-62562563 E-mail: jos@iscas.ac.cn
Copyright 中国科学院软件研究所《软件学报》版权所有 All Rights Reserved
本刊全文数据库版权所有,未经许可,不得转载,本刊保留追究法律责任的权利