CAJ | 학술논문

在自动文本分类中，T F‐ID F算法是最为常用的特征权重计算方法。该算法运用广泛，但是存在不足：只考虑了特征词的频率和包含特征词的文档数量，没有考虑到特征词在类内和类间对权重的影响。对特征词权重计算方法进行了改进。为了解决特征词在类内均匀分布以及在类间的比重问题，提出了修正函数 T F‐DFI‐DFO。实验比较发现，新的特征词权重算法能够更加精确地反映出特征词的分布情况，该算法与传统的T F‐ID F算法相比，在召回率、查准率和宏平均值上都有较大的提升。
재자동문본분류중，T F‐ID F산법시최위상용적특정권중계산방법。해산법운용엄범，단시존재불족：지고필료특정사적빈솔화포함특정사적문당수량，몰유고필도특정사재류내화류간대권중적영향。대특정사권중계산방법진행료개진。위료해결특정사재류내균균분포이급재류간적비중문제，제출료수정함수 T F‐DFI‐DFO。실험비교발현，신적특정사권중산법능구경가정학지반영출특정사적분포정황，해산법여전통적T F‐ID F산법상비，재소회솔、사준솔화굉평균치상도유교대적제승。