一种基于不平衡数据集的文本特征选择方法[CN201610128100.1] - 浙江工业大学

专利申请

2016-03-07
公布公告

2019-02-01
授权日期

2019-02-01
终止

2029-01-29

一种基于不平衡数据集的文本特征选择方法

* 专利信息仅供参考，不具有法律效力。有效专利

注册号： CN201610128100.1 申请日期： 2016-03-07 专利主类别： G06F16/35 {{ classMap["G06F16/35"] }}

申请人名称：浙江工业大学

查看申请人名下所有专利

申请人地址：浙江省杭州市下城区潮王路18号浙江工业大学科技处

专利分类项目

G06F16/35 :

专利注册信息

初审公告期号	2016-03-07	初审公告日期	2019-02-01
注册公告期号	2019-02-01	注册公告日期	2019-02-01
专用权期限	2019-02-01 - 2029-01-29	专利类型	发明授权
代理组织机构	杭州天正专利事务所有限公司查看该机构代理的所有专利

专利介绍

一种基于不平衡数据集的文本特征选择方法，在计算机上计算不平衡文档的特征集合，选择分类算法模型进行建模，具体包括以下步骤：步骤1将数据集分成多数类和少数类，并规定少数类为正类，用ci表示；多数类为负类，用表示；步骤2将数据集中的文本进行预处理，分词、去除停用词等操作，形成特征t的集合T；步骤3在不平衡类别文档中分别计算每个特征t对应的以下参数A、B、C、D、N；步骤4在不平衡类别文档中分别计算每个特征t在不同类别下的新的χ2(t,ci)；步骤5在不平衡类别文档中分别设置筛选特征的阈值，并根据每个特征计算出来的χ2(t,ci)按照大小顺序排列，按照类别取出指定特征数目的特征集合T'；步骤6根据特征选择后的特征集合T'，选择合适的分类算法模型(决策树、支持向量机、贝叶斯等)进行建模。

法律进度