论文部分内容阅读
为了改善一个词可能在多个类别中有较大的互信息而模糊了词的类别信息的问题，提出了一种改进的特征选择方法。该方法利用特征词在不同类别之间的表征差异建立领域特征词（即最能表现一个领域的信息的一系列词）从而可以对用互信息建立的特征集进行再次选择，这样既减少了特征的维数又使特征表示更有效。同时，还设计了一个文本相似度计算系统，系统中改进了传统的tf-idf。实验结果表明，改进的特征选择方法和设计的系统具有良好的性能效果。