《表6 CHI、IG和DFCTFS在不同维度的宏准确率的比较》

  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

《文本分类中一种特征选择方法研究》

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

以下实验结果是通过对具体类别分类效果的评价，进一步验证本文提出的DFCTFS特征选择方法的有效性。实验选择原始特征词集合的5%作为特征向量空间维数。通过对表8～10及相应的图5～7分析，可以得出本文提出的DFCTFS特征选择，在所选的八个类别的分类效果的整体趋势上好于传统的CHI和IG。通过对表11及相应的图8分析，可以得出本文提出的DFCTFS特征选择方法，在分类的宏召回率上与CHI、IG相比分别提高了2.11%、1.54%，在宏准确率上分别提高了2.11%、1.36%，在宏F1值上分别提高了2.12%、1.5%。因此，可以得出，本文提出的DFCTFS特征选择方法与传统的CHI和IG相比，文本分类效果有一定程度的提高，说明了DF-CTFS特征选择方法的有效性。