基于特征隶属度的文本分类相似性度量方法-计算机科学.PDF

Vo 1. 44 No. 11 第 44 卷第11 期 计算机科学 2017 年 11 月 COMPUTER SCIENCE Nov.2017 基于特征隶属度的文本分类相似性度量方法 池云仙1 ， 2 赵书良2 罗燕2 赵骏鹏2 高琳2 李超2 (河北师范大学资源与环境科学学院 石家庄 050024)1 (河北师范大学数学与信息科学学院 石家庄 050024)2 摘 要 基于相似性进行文本分类是当前流行的文本处理方法。基于特征隶属度的文本分类相似性度量方法旨在利 用特征与文档间的隶属关系度量文档相似性，材、而实现文本分类。该方法基于特征与文档的隶属关系，对特征进行全 隶属、偏隶属和无隶属词集划分，并基于 3 种隶属词集定义隶属度函数。全隶属词集隶属于两篇文档，隶属度随权差 增大而降低;偏隶属词集仅隶属于其中某一篇文档，隶属度为一个定值;无隶属词集与两篇文档元隶属关系，隶属度为 零。在度量相似性时，偏隶属关系高于全隶属关系。由于同类文档词集相近，异类文档词集差异明显，因此，基于特征 与文档的隶属度进行相似性度量，可清晰界定词集与类别的隶属关系，提升分类精度。最后，采用数据集 20-New groups 和 Reuters-21578 对分类有效性进行验证，结果表明基于特征隶属度的相似性度量方法的性能优于目前流行 的相似性度量方法。 关键词 数据挖掘，文本分类，相似性度量，隶属度 中固法分类号 TP391 文献标识码 A DOI 10. 11896/j. issn. 1002-1372♀ 2017. 11. 044 Similarity Measure for Text Classification ßased on Feature Subjection Degree 1 2 2 2 2 CHI Yun-xian ,2 ZHAO Shu-liang LUO Yan ZHAO Jun-peni GAO Lin LI Cha0 (College of Resources and Environment Science.Hebei Normal University.Shijiazhuang 050024. China) 1 (College of Mathematic and Information Science.Hebei Normal University.Shijiazhuang 050024. China) 2 Abstract It is a fashionable method to do text classification based on similarity. Algorithm similarity measure for text classification based on feature subjection degree (SMTCFSD) aims at measuring similarity of documents through sub jection relationship between feature words and documents. Algorithm SMTCFSD divid