文本分类中特征权重算法改进研究

为了克服传统的TF-IDF（Term Frequency Inverse Document Frequency）算法分类F1值低的缺陷，利用特征词在类内和类间的分布信息，提出一种改进的TF-IDF-dist算法。实验结果表明，改进的算法在不同特征维度下F1值平均提升3.2%，结合不同特征选择算法，F1值平均提升2.75%，并且对倾斜数据集有更强的适应性，表明本文算法在文本分类中的有效性。