文本特征提取方法研究综述

来源：用户分享时间：2025/8/25 2:05:42 本文由

说明：文章内容仅供预览，部分内容可能不全，需要完整文档或者需要复制内容，请下载word后使用。下载word有问题请添加微信号:xxxxxxx或QQ：xxxxxx 处理（尽可能给您提供完整文档），感谢您的支持与谅解。

龙源期刊网 http://www.qikan.com.cn

文本特征提取方法研究综述

作者：徐冠华赵景秀杨红亚刘爽来源：《软件导刊》2018年第05期

摘要：特征提取是文本挖掘、信息检索、自然语言处理（NLP）、文本情感分析、网络舆情分析等领域的研究热点。特征提取作为文本挖掘系统的主要因素，文本特征提取性能是文本分类结果的重要性度量。从两方面对特征选择算法进行总结，分析国内外对常用特征提取算法的改进和创新，最后针对影响特征提取的因素，指出在实际应用中应考虑的问题。关键词：特征提取；距离测度；信息测度 DOI：10.11907/rjdk.172617 中图分类号：TP-0

文献标识码：A 文章编号：1672-7800（2018）005-0013-06

Abstract：Feature extraction is the research focus of text mining， information retrieval， Natural Language Processing （NLP）， text sentiment analysis， network public opinion

analysis， etc. Feature extraction is the main factor of text mining system， and the performance of text feature extraction is the important measurement of text categorization results. This paper

summarizes two kinds of feature selection algorithms， and analyzes the improvement and innovation of common feature extraction algorithms at home and abroad. Finally， it points out issues which should be taken into account in practical application influenced by feature extraction. Key Words：feature extraction； distance measure； information measure 0 引言

随着互联网的发展，以及计算机和信息技术的不断更新换代，网络上存储的信息越来越丰富。文本作为信息的有效表现形式，数量也增长迅速。近年来，随着云计算和大数据的兴起，使得海量的文本信息得到有效的组织和管理。如何高效、准确地获取有效信息成为文本挖掘、信息检索、网络舆情分析等工作的主要目的。

网络文本信息有别于传统文本信息，具有多样性、复杂性、冗余性、不规范性等特点。因此，对文本高维度的复杂特征空间进行特征降维成为文本分类的主要关键点。特征提取[1]的目的是对初始高维特征进行有效降维，从高维特征空间中选择出一个最优特征子集。根据最优特征子集的产生过程划分归纳特征提取方法，可将特征提取方法分为两大类：Filter过滤式和Wrapper封装式[2]。

搜索更多关于：文本特征提取方法研究综述的文档

文本特征提取方法研究综述.doc 将本文的Word文档下载到电脑，方便复制、编辑、收藏和打印

下载这篇word文档

本文链接：https://www.diyifanwen.net/c2wunz7encr9vfqx3d4pq7px008twlp015f7_1.html（转载请注明文章来源）