CAJ | 학술논문

为提高文本分类性能,提出一种结合机器学习和领域词典的文本特征表示方法.基于领域词典的文本特征表示方法可以增强文本特征表示能力,并降低文本特征空间维数,但是领域词典存在覆盖度不足的问题.为此,提出一种学习模型--自划分模型--来解决这个覆盖度不足的问题.实验结果表明,采用基于自划分模型的领域特征属性作为文本特征,可以提高文本分类性能,特别是特征数目少的情况下,该方法表现出很好的分类效果.相对于传统词文本特征方法,在特征数为500时分类的F1值提高6.58%.
위제고문본분류성능,제출일충결합궤기학습화영역사전적문본특정표시방법.기우영역사전적문본특정표시방법가이증강문본특정표시능력,병강저문본특정공간유수,단시영역사전존재복개도불족적문제.위차,제출일충학습모형--자화분모형--래해결저개복개도불족적문제.실험결과표명,채용기우자화분모형적영역특정속성작위문본특정,가이제고문본분류성능,특별시특정수목소적정황하,해방법표현출흔호적분류효과.상대우전통사문본특정방법,재특정수위500시분류적F1치제고6.58%.