1种基于PCA的组合特征提取文本分类方法.docVIP

计算机应用研究 计算机应用研究 Application Research of Computers 收稿日期： 2012-12-12 基金项目：江苏省2010年度青蓝工程骨干教师资助项目（项目编号：苏教2010-16）； 作者简介：李建林(1974-)，男，湖南洪江市人，副教授、高级工程师，计算机与软件学院副院长，国家示范性(骨干)院校项目重点建设专业(软件技术)项目组副组长，加拿大里贾纳大学高级访问学者，中国计算机学会会员(E200016559M)，主要研究方向：数据挖掘、软件技术、教学管理，E-mail: HYPERLINK mailto:lijl@lijl@。 一种基于PCA的组合特征提取文本分类方法* 李建林1,2 (1.南京信息职业技术学院 计算机与软件学院,南京 210023;2.里贾纳大学 计算机科学系,里贾纳 S4S0A2,加拿大) 摘要：为了获得更好的文本分类准确率和更快的执行效率，研究了多种WEB文本的特征提取方法,通过对互信息(MI)、文档频率(DF)、信息增益(IG)和χ2统计（CHI）算法的研究,利用其各自的优势互补，提出一种基于主成分分析(PCA)的多重组合特征提取算法(PCA-CFEA)；首先通过PCA算法的正交变换快速的将文本特征空间降维，再通过多重组合特征提取算法在降维后的特征空间中快速的提取出更具代表性的特征项，过滤掉一些代表性较弱的特征项，最后使用SVM分类器对文本进行分类；实验结果表明PCA-CFEA算法能有效的提高文本分类的正确率和执行效率。 关键词：基于PCA的组合特征提取算法(PCA-CFEA)；主成分分析；特征提取；文本分类； 中国分类号：TP391 文献标识码：A 文章编号： A combination of feature extraction in text classification algorithm based on PCA LI Jian-lin1,2 (1. Nanjing College of Information Technology Department of ComputerSoftware, Nanjing 210023,China; 2. University of Regina Department of Computer Science ,Regina S4S0A2 ,Canada) Abstract: In order to obtain a better text classification accuracy and faster execution efficiency, study a variety of WEB text feature extraction method, based on the mutual information(MI), document frequency (DF), information gain (IG) and x 2 Statistics (CHI) algorithm, through using of their complementary advantages, proposed a combinations of feature extraction algorithm based on principal component analysis( PCA-CFEA). First ,by the orthogonal transformation of the PCA algorithm to faster dimensionality reduction of the text feature space; Then through the multiple combination feature extraction algorithm in the lower dimension of feature space fast extract more representative of the feature, filter out some representative weak feature items; Finally, using the SVM classifier to classify the text. The experimental results show that PCA-CFEA algorithm can effectively improve text classification accuracy and running efficiency. Key words: Combin