《表2 特征提取结果：基于改进的TF-IGM热词提取算法研究》

  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

《基于改进的TF-IGM热词提取算法研究》

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

从图1中可以看出，开始时特征词项数较小，因此选择的特征项F1的值在0~400间波动较大，TF-IGM模型由于考虑文档词项分布，相比传统的TF-IDF在特征词项数目较小时，能够较好的反映特征词在文本空间中的权重，随着词项数的增加，选择的词项在向量空间中趋于稳定，说明特征词在某个文本空间中具有稳定性的特征。另外，改进的TF-IGM模型将文档频率和词项在文档间的分布分开，能够很好地描述词项权重，并且由实验结果可知，评估值略高于TF-IGM模型。表2表示当N=M=200时的特征提取精度对比。