《表1：XML文档分类中特征表达方法的研究》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《XML文档分类中特征表达方法的研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

首先，特征词a均匀分布在一个类中，特征词b则分散在两个类中，显然，特征词a更能区分文档的类别，但是，根据公式（2.b)，idf(a）和idf(b）相等，并不合理。再者，特征词c集中分布在一个文档中，idf(a）小于idf(c），因而特征词c的权重比特征词a的大，这同样不合理。可见，并不是一个特征词在总文档中出现的频率越高，这个特征词对文档分类的贡献度越大小，而应该是在非这个类中出现的频率越高，对这个类的分类贡献越小。同时，还应该考虑特征词在类中分布是否均匀。改进的TF*IDF公式为：