| 基于优势率的改进二元特征提取方法 |
| |
| 引用本文： | 杜一平,刘燕君.基于优势率的改进二元特征提取方法[J].计算机系统应用,2010,19(2):106-109. |
| |
| 作者姓名： | 杜一平 刘燕君 |
| |
| 作者单位： | 中国科学技术大学,计算机科学与技术学院,安徽,合肥,230027 |
| |
| 摘 要： | 主题网络爬虫研究中一个重要问题是文本特征的提取，其好坏会直接影响主题特征的提取及网页的相关性计算。在研究了文本分类特征提取方法的基础上，分析优势率特征提取方法的优缺点，把频度、分散度作为判断要素加以考虑，提出一种改进的二元分类特征选择方法EOR，并使用得到的EOR值结合词频TF即TF—EOR来计算文档特征词的权重，应用于主题网络爬虫。仿真实验证明，EOR在中低维数下能提升文档分类准确率达5％，而TF—EOR权重计算方法好于TF-IDF方法，实验中提高了网络爬虫的抓取准确率和查全率达4％。
|
| 关 键 词： | 特征提取 优势率 主题网络爬虫 频度 分散度 |
| 收稿时间： | 2009/5/18 0:00:00 |
An Enhanced Odds Ratio Dualistic Feature Extraction Method |
| |
| DU Yi-Ping and LIU Yan-Jun.An Enhanced Odds Ratio Dualistic Feature Extraction Method[J].Computer Systems& Applications,2010,19(2):106-109. |
| |
| Authors: | DU Yi-Ping and LIU Yan-Jun |
| |
| Affiliation: | DU Yi-Ping,LIU Yan-Jun(School of Computer Science , Technology,University of Science , Technology of China,Hefei 230027,China) |
| |
| Abstract: | |
| |
| Keywords: | feature extraction odds ratio topical crawler word frequency distribution rate |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
| 点击此处可从《计算机系统应用》浏览原始摘要信息 |
|
点击此处可从《计算机系统应用》下载全文 |
