论文部分内容阅读
特征选择在文本分类中起重要的作用。文档频率（DF）、信息增益（IG）和互信息（MI）等特征选择方法在文本分类中广泛应用。已有的实验结果表明，IG是最有效的特征选择算法之一，该方法基于申农提出的信息论。本文基于粗糙集理论，提出了一种新的特征选择方法（KG算法），该方法依据粗糙集理论关于知识的观点，即知识是分类事物的能力．将知识进行量化，提出知识增益的概念，得到基于知识增益的特征选择方法。在两个通用的语料集OHSUMED和NewsGroup上进行分类实验发现：KG算法均超过IG的性能，特别是在特征空间的维数降