文本分类特征选择方法及其在生物医药文本分类中的应用

摘要

本发明一种文本分类特征选择方法及其在生物医药文本分类中的应用，采用基于浅层语法分析的局部语境相似度计算，提出特征选择算法，基于特征词局部语境相似性的度量，发现其是否存在于某些等特定模式中，来衡量其重要性。并采用基于局部语境相似度的特征选择方法LLFilter方法，通过特征的过滤，使样本能得到最好的分类效果，也就是使特征过滤后得到的样本类别间离散度达到最高，类别内离散度达到最低，从而提高各个类别之间的区分能力。本发明主要针在生物医学文本分类任务中，利用文本中的局部语境信息，自动进行特征重要性排序，优化特征集合，降低特征空间的维度，能有效提高文本分类的性能。