论文部分内容阅读
在文本分类中，特征空间的维数通常高达几万，甚至远远超出训练样本的个数，这是一种十分普遍现象。为了提高文本挖掘算法的运行速度，降低占用的内存空间，过滤掉不相关或相关程度低的特征，必须使用特征选择算法。首先给出了一个基于最小词频的文档频方法，然后把粗糙集引入进来并提出了一个基于Beam搜索的属性约简算法，最后把该属性约简算法同基于最小词频的文档频方法结合起来，提出了一个综合的特征选择算法。该算法首先利用基于最小词频的文档频方法进行特征选择，然后利用所提属性约简算法消除冗余，从而获得较具代表性的特征子集。实验结