本文選題：特征提取 + TF-IDF��； 參考：《情報科學》2017年05期

【摘要】：【目的/意義】特征提取會很大程度地影響分類效果,而傳統(tǒng)TF-IDF特征提取方法缺乏對特征詞上下文環(huán)境和對特征詞在類之間分布狀況的考慮�！痉椒�/過程】本文提出一種改進TF-IDF特征提取的方法:(1)基于文本網(wǎng)絡和改進Page Rank算法計算節(jié)點重要程度值,解決傳統(tǒng)TF-IDF忽略文本結構信息的問題;(2)增加特征值IDF值的方差來衡量特征詞w在不同類別文本集中程度的分布情況,解決傳統(tǒng)TF-IDF忽略特征詞在類之間分布狀況的不足�！窘Y果/結論】基于該改進方法構建了文本分類模型,對3D打印數(shù)據(jù)進行分類實驗。對比算法改進前后的分類效果,驗證了該方法能夠有效提高文本特征詞提取的準確度。
[Abstract]:[objective / significance] feature extraction can greatly affect the classification effect, However, the traditional TF-IDF feature extraction method lacks consideration of the context of feature words and the distribution of feature words among classes. [method / process] this paper proposes an improved TF-IDF feature extraction method: 1) based on text network and modification. The Page Rank algorithm calculates the value of node importance. To solve the problem that traditional TF-IDF ignores text structure information, we increase the variance of eigenvalue IDF value to measure the distribution of feature word w in different text types. To solve the problem of traditional TF-IDF neglecting the distribution of feature words among classes. [results / conclusion] based on this improved method, a text classification model is constructed, and 3D print data classification experiments are carried out. Comparing the classification effect before and after the improvement of the algorithm, it is verified that this method can effectively improve the accuracy of text feature extraction.
【作者單位】： 清華大學公共管理學院;華中科技大學機械科學與工程學院;
【基金】：國家自然科學基金項目(91646102;L1624045;L1624041;L1524015;71203117) 教育部人文社會科學項目(16JDGC011)
【分類號】：TP391.1

【相似文獻】

相關期刊論文 前10條

1 朱玉蓮;陳松燦;趙國安;;推廣的矩陣模式特征提取方法及其在人臉識別中的應用[J];小型微型計算機系統(tǒng);2007年04期

2 趙振勇;王保華;王力;崔磊;;人臉圖像的特征提取[J];計算機技術與發(fā)展;2007年05期

3 馮海亮;王麗;李見為;;一種新的用于人臉識別的特征提取方法[J];計算機科學;2009年06期

4 陳偉;瞿曉;葛丁飛;;主觀引導特征提取法在光譜識別中的應用[J];科技通報;2011年04期

5 王華,李介谷;人臉斜視圖象的特征提取與恢復[J];上海交通大學學報;1997年01期

6 黃麗莉;皋軍;;基于局部加權的非線性特征提取方法[J];華中科技大學學報(自然科學版);2013年S1期

7 徐f ,邱道尹,沈憲章;糧倉害蟲的特征提取與分類的研究[J];鄭州工業(yè)大學學報;2000年04期

8 馬希榮,王行愚;西夏文字特征提取的研究[J];計算機工程與應用;2002年13期

9 王萍,王漢芝,岳斌,林孔元,劉還珠;一種大規(guī)模樣本數(shù)據(jù)的特征提取方法[J];天津輕工業(yè)學院學報;2003年04期

10 王社陽,強文義,陳興林,張宏宇;基于空間矩的角特征提取[J];控制與決策;2005年03期

相關會議論文 前10條

1 潘榮江;孟祥旭;楊承磊;王銳;;旋轉體的幾何特征提取方法[A];第一屆建立和諧人機環(huán)境聯(lián)合學術會議（HHME2005）論文集[C];2005年

2 薛燕;李建良;朱學芳;;人臉識別中特征提取的一種改進方法[A];第十三屆全國圖象圖形學學術會議論文集[C];2006年

3 杜栓平;曹正良;;時間—頻率域特征提取及其應用[A];2005年全國水聲學學術會議論文集[C];2005年

4 黃先鋒;韓傳久;陳旭;周劍軍;;運動目標的分割與特征提取[A];全國第二屆信號處理與應用學術會議�？痆C];2008年

5 林土勝;賴聲禮;;視網(wǎng)膜血管特征提取的拆支跟蹤法[A];1999年中國神經(jīng)網(wǎng)絡與信號處理學術會議論文集[C];1999年

6 杜栓平;丁烽;楊華;;基于小波系數(shù)聚類的特征提取器[A];中國聲學學會2002年全國聲學學術會議論文集[C];2002年

7 白真龍;霍強;;在聯(lián)機手寫中文識別中一種針對8方向特征提取的改進算法[A];中文信息處理前沿進展——中國中文信息學會二十五周年學術會議論文集[C];2006年

8 賈會強;劉曉麗;于洪志;;基于詞性特征提取的藏文文本分類方法研究[A];CCF NCSC 2011——第二屆中國計算機學會服務計算學術會議論文集[C];2011年

9 王茵;陳孝威;;基于層次特征提取及形態(tài)學的圖像分割算法[A];第二屆和諧人機環(huán)境聯(lián)合學術會議(HHME2006)——第15屆中國多媒體學術會議(NCMT'06)論文集[C];2006年

10 史廣智;胡均川;;艦船螺旋槳葉片數(shù)識別研究[A];2005年全國水聲學學術會議論文集[C];2005年

相關博士學位論文 前10條

1 易軍;人臉識別中的特征提取與度量學習算法研究[D];北京郵電大學;2015年

2 陳超;復雜光照條件下的人臉識別方法研究[D];浙江大學;2016年

3 苗捷;時空特征提取方法研究[D];華南理工大學;2016年

4 譚文學;基于機器學習的作物病害圖像處理及病變識別方法研究[D];北京工業(yè)大學;2016年

5 彭藝;面向可視化的特征提取、簡化與追蹤[D];清華大學;2015年

6 王勝;基于子空間的特征提取與融合算法研究[D];南京理工大學;2016年

7 游大濤;基于聽覺機理的魯棒特征提取及在說話人識別中的應用[D];哈爾濱工業(yè)大學;2013年

8 趙武鋒;人臉識別中特征提取方法的研究[D];浙江大學;2009年

9 楊章靜;基于鄰域結構的特征提取及其在人臉識別中的應用研究[D];南京理工大學;2014年

10 劉艷艷;子空間特征提取方法及其在人臉識別中的應用[D];大連理工大學;2008年

相關碩士學位論文 前10條

1 湯鵬;基于LDA的特征提取及其在人臉識別中的應用[D];河北大學;2015年

2 安磊磊;基于改進PCA和LDA的特征提取方法[D];河北大學;2015年

3 周雷;基于深度學習的人臉美麗預測研究[D];五邑大學;2015年

4 王婷婷;基于圖像處理技術的古籍電子化研究[D];五邑大學;2015年

5 謝乃俊;低秩矩陣恢復在維數(shù)約簡中的研究與應用[D];江西理工大學;2015年

6 端明亮;基于哼唱搜索的音樂檢索系統(tǒng)研究[D];電子科技大學;2015年

7 陸浩;基于線狀特征提取的機場目標識別技術[D];電子科技大學;2014年

8 劉奇;基于語義的惡意代碼行為特征提取與分類技術研究[D];電子科技大學;2014年

9 楊培;基于改進特征提取的評論有效性分類模型[D];武漢紡織大學;2015年

10 張達明;基于局部特征提取的場景分類算法研究[D];電子科技大學;2015年

，

本文編號：1950382