基于综合比率因子的互信息特征选择方法的改进

【摘要】文本分类现阶段仍是信息处理领域中一个开放的、重要的研究方向,并得到了普遍广泛地应用。文本分类中包括许多环节,其中包括有：文本预处理,特征选择,文本空间向量模型的表示,文本分类器的训练,文本分类等。其中,特征选择是文本分类中最重要的阶段之一,能否利用特征选择挑选出适合的特征词对文本分类的效果有着重要的影响。本文主要针对互信息特征选择方法存在的不足,提出了改进互信息特征选择方法的思路和方法。论文的主要研究工作如下。1.首先本文对文本分类进行了介绍,并对文本分类各个阶段以及相关技术进行了论述和研究,并重点对互信息特征选择方法进行了研究,描述了传统互信息方法的一些不足之处,并针对不足之处提出了相应的改进思想。2.针对互信息特征选择方法只考虑了词语在文本集中出现的文档频率,而没有考虑到特征的词频信息以及与文本类别之间的相关性的问题,提出了引入综合比率因子的改进思想,将特征的词频以及与类别之间的相关性等重要信息考虑进去；并用平衡因子处理正负相关问题,调整正相关和负相关特征的比例,考虑负相关特征的作用。通过实验证明改进的互信息特征选择方法在一定程度上提高了分类的准确率。3.针对互信息特征选择方法中没有考虑特征项本身的语义信息的问题,提出利用《知网》(HowNet)中的中英双语知识词典构建“概念-领域”表,对每个词进行查询,如果在表中就把该词映射到“领域”,否则保留原词。这样不仅可以将低层次概念转化为高层概念,还能在一定程度上消除特征冗余,并从语义上加强了特征对所在领域的分类贡献度。结果表明结合语义改进的互信息特征选择方法可以在一定程度上有效地提高准确率。
【作者】路凯；
【导师】陈利；
【作者基本信息】华中师范大学，计算机应用技术，2014，硕士
【关键词】文本分类；特征选择；互信息；综合比率因子；语义信息；

【参考文献】
[1]谢瑞华,沈宗珍,刘波.一种结构紧凑的正交模耦合器[J].空间电子技术.1997(03)
[2]张小芳.当前地税干部激励机制的调查与思考[D].苏州大学,公共管理（专业学位）,2012,硕士.
[3]李少霞.QFP焊点可靠性失效的研究[J].轻工科技,2015,02:52-54.
[4]刘刚.《搜神记》报恩主题研究[D].山西师范大学,中国古代文学,2013,硕士.
[5]徐福艳.《说文字辨》研究[D].福建师范大学,汉语言文字学,2012,硕士.
[6]冯岩.高速铁路中LTE下行信道估计技术的研究[D].北京交通大学,通信与信息系统,2013,硕士.
[7]许诗霞.斜靠式拱桥弹塑性分析[D].华南理工大学,桥梁与隧道工程,2014,硕士.
[8]张传雨.多目标红外视景仿真技术研究[D].哈尔滨工业大学,电气工程,2013,硕士.
[9]吴姝.我国上市公司股权结构与现金持有水平的实证分析[D].江西财经大学,会计学,2013,硕士.
[10]刘明.南天山造山带东段托格拉克花岗岩地球化学特征及地质意义[D].长安大学,构造地质学,2014,硕士.
[11]姜雅彦.QIC-三坐标测量机数控系统[D].天津大学,仪器仪表,2004,硕士.
[12]李冬梅.蒙脱石承载枯草芽孢杆菌及其抑菌、屏障功能的研究[D].浙江工商大学,食品科学与工程,2013,硕士.
[13]郑海凤.超薄不锈钢基板CMP过程动态压力和抛光温度在线检测的研究[D].广东工业大学,机械制造及其自动化,2014,硕士.
[14]李栋.面向故障诊断的并行关联规则算法研究与实现[D].西安电子科技大学,计算机应用技术,2012,硕士.
[15]张超.基于QR二维码的井群信息管理系统研究[D].西安科技大学,计算机技术,2014,硕士.
[16]石波.转型期政府信用建构问题探析[D].福建师范大学,政治经济学,2004,硕士.
[17]王玙.复杂网络社团检测算法及其应用研究[D].西安电子科技大学,计算机应用技术,2014,博士.
[18]王菲飞.基于Android平台的手机恶意代码检测与防护技术研究[D].北京交通大学,2012.
[19]麻亮,纪军红,强文义,傅佩琛.基于力矩传感器的双足机器人在线模糊步态调整器设计[J].控制与决策,2000,06:734-736+743.
[20]陈汉平.澳门特别行政区时间地图的研究[D].华南师范大学,自然地理,2003,硕士.
[21]陈阳.安全生产应急救援平台基础数据库开发与实现[D].西安科技大学,电子与通信工程,2014,硕士.
[22]王燕丛.日光温室茄子调亏灌溉节水机理研究[D].河北工程大学,农业水土工程,2012,硕士.
[23]程志昂.和谐社会建设中的慈善问题研究[D].河南农业大学,马克思主义中国化研究,2012,硕士.
[24]曹冬梅.电视媒体核心竞争力研究[D].湖南师范大学,政治经济学,2004,硕士.
[25]苏红.论我国环境公益诉讼制度的建立[D].河海大学,环境与资源保护法学,2004,硕士.
[26]崔艳丽.不同信息结构下供应链质量控制契约研究[D].南京航空航天大学,管理科学与工程,2013,硕士.
[27]张小筱.《远离亲缘：父母，孩子和自我寻求》（第十二章）翻译报告[D].四川外国语大学,翻译（专业学位）,2014,硕士.
[28]孔令齐.基于ANSYS的正交磁化可控电抗器电磁场数值计算研究[D].北方工业大学,控制工程,2013,硕士.
[29]魏发孔.升降旋转飞行机构[J].演艺设备与科技.2006(04)
[30]刘雯.海南黎族骨簪艺术的研究[D].湖南师范大学,设计艺术学,2014,硕士.
[31]沈洋.硫化钼二维材料的制备及其拉曼光谱研究[D].华南理工大学,材料物理与化学,2014,硕士.
[32]张永秀.论亚里士多德的实践智慧[D].曲阜师范大学,马克思主义哲学,2013,硕士.
[33]商玲玲.禽流感病毒NS1蛋白与NOLC1蛋白相互作用对宿主细胞凋亡的影响[D].辽宁大学,生物化学与分子生物学,2012,硕士.
[34]王夏烈.石墨烯和石墨烯/聚苯胺复合材料的制备[D].湘潭大学,2012.
[35]杨溪林,金国藩,焦景民.多束激光热轧带钢板形测量仪的开发与研究[J].冶金自动化,1997,01:24-28.
[36]咸竞天.肿瘤相关的长链非编码RNA的识别与功能推断[D].吉林大学,计算机应用技术,2014,硕士.
[37]段若楠.基于对话视角的小学数学课堂教学研究[D].宁波大学,课程与教学论,2014,硕士.
[38]邵建斌.水中气泡运动图像测量方法研究[D].西安理工大学,水力学及河流动力学,2004,硕士.
[39]陈天野.渐江成熟期的山水画风格研究[D].中国艺术研究院,美术学,2012,硕士.
[40]段学辉.建筑材料库存管理优化研究[D].西安建筑科技大学,土木工程建造与管理,2013,硕士.
[41]舒霞.上海城市弱势妇女群体中单身母亲的婚姻归因研究[D].华东师范大学,应用心理学,2002,硕士.
[42]邵冰莓.高层框架结构弹塑性分析方法研究[D].西南交通大学,工程力学,2013,硕士.
[43]刘佳.水基ZrB_2膏体非连续挤出过程研究[D].兰州理工大学,材料加工工程,2013,硕士.
[44]娄世云.石墨烯/Ⅱ-Ⅵ族半导体纳米晶复合物的制备及光电性能研究[D].河南大学,2013.
[45]姚琪柱.不可模仿的民族文化资源传承与旅游经济绩效研究[D].广东技术师范学院,民族学,2014,硕士.
[46]袁淼.俄罗斯奥斯泊矿碧玉的宝石矿物学及颜色影响因素研究[D].中国地质大学（北京）,宝石学,2013,硕士.
[47]黄爱萍.关于现代汉语“能（néng）”的日译研究[D].吉林大学,日语笔译,2013,硕士.
[48]武丁杰.空中交通流量管理信息系统分析设计与原型开发[D].西北工业大学,交通运输规划与管理,2004,硕士.
[49]周纯杰,黄雄峰,秦元庆,杨明月.网络化控制系统瞬时故障恢复和安全控制研究综述[J].控制与决策,2011,10:1441-1446+1451.
[50]谷花云.基于RS与GIS的喀斯特地区生态环境脆弱性评价研究[D].贵州师范大学,环境科学,2004,硕士.