文本挖掘中的特征選擇方法研究.pdf

1、21世紀(jì)是信息時(shí)代，萬(wàn)維網(wǎng)上出現(xiàn)了海量的文本資源。對(duì)于互聯(lián)網(wǎng)用戶來說面對(duì)如此海量的文本信息，出現(xiàn)了擁有海量信息但知識(shí)相對(duì)貧乏的現(xiàn)象，人們從互聯(lián)網(wǎng)海量的信息中獲取對(duì)自己有用的知識(shí)變得相對(duì)困難，因此將互聯(lián)網(wǎng)上的文本信息按照內(nèi)容分門別類是一個(gè)迫切需要解決的問題也是互聯(lián)網(wǎng)發(fā)展的必由之路。自從文本分類由美國(guó)學(xué)者H.P.Luhn教授在1957年第一次被提出來，現(xiàn)今文本分類已經(jīng)成為數(shù)據(jù)挖掘領(lǐng)域非常重要的一個(gè)分支，它已經(jīng)在搜索引擎等領(lǐng)域有較好的應(yīng)用。文

2、本分類中特征選擇是降低特征空間維數(shù)提高分類算法精度的重要過程。所以尋找優(yōu)秀的特征選擇方法對(duì)特征空間進(jìn)行降維，當(dāng)前已是一個(gè)非常有實(shí)際價(jià)值的研究課題。下面是本文所做的主要工作:
　　1、本文首先研討了選題的現(xiàn)實(shí)意義，研究了構(gòu)成文本分類流程中各個(gè)環(huán)節(jié)的要素，分析了傳統(tǒng)文本分類的特征選擇方法，在介紹粗糙集基本理論的基礎(chǔ)上，把粗糙集應(yīng)用到特征選擇中，分析這樣做的優(yōu)點(diǎn)，并且介紹了目前常見基于粗糙集理論的特征選擇方法。
　　2、在文本分類

3、中特征的權(quán)重體現(xiàn)了特征對(duì)于文本重要性。因此，好的特征權(quán)重計(jì)算算法也就顯得非常重要，本文在分析了前人的特征權(quán)重計(jì)算算法的基礎(chǔ)上提出了基于粗糙集和特征位置重要度的特征權(quán)重計(jì)算算法。
　　3、在分析前人屬性約簡(jiǎn)的基礎(chǔ)上，利用多粒度粗糙集的相關(guān)概念給出了一種新的多知識(shí)粒度概念，利用它構(gòu)造了一種新的粒度函數(shù)，將此粒度函數(shù)運(yùn)用到屬性重要度的計(jì)算中，基于此針對(duì)決策信息系統(tǒng)建立了一種新的啟發(fā)式屬性約簡(jiǎn)算法。
　　4、經(jīng)過分析把變精度粗糙集引