一种改进的TF-IDF文本分类算法
唐钰1
唐加山2
1.南京邮电大学通信与信息工程学院 江苏南京 2100032.南京邮电大学理学院 江苏南京 210023
摘要：鉴于词频-逆文本频率(term frequency-inverse document frequency,TF-IDF)算法仅考虑新闻文档内特征词的频率,没有考虑类间权重值的影响,基于此,提出了一种改进的TF-IDF算法,让文本实现更好的分类效果.新算法比较特征词在不同类别中的频数,将频数最高的类确定为特征词对该类的文档有较好的区分度的类,进而结合贝叶斯算法完成新闻分类.仿真实验结果表明,新算法在精确率、召回率以及调和平均值上都有所提升.因此,结合类间权重值的影响的考虑对TF-IDF算法进行改进,在文本分类上具有较好的分类效果.
关键词：TF-IDF算法贝叶斯网络特征词分布文本分类
论文发表日期：2022-03-28
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：4( 13-16 )