931.txt

This complete matlab for neural network

发信人: sinokdd (KDD in China), 信区: DataMining
标  题: Re: 关于naive bayes的问题
发信站: 南京大学小百合站 (Sun Sep 15 10:51:07 2002)


: 【 在 singhoo 的大作中提到: 】
: : 打算使用简单Bayes算法作为文本分类器，但是对于文档的特征提取有些疑问
: : 有的使用multinomial模型，即计算词频，不计算文档频率
: : 使用TF/IDF。即计算词频，也计算文档频率
: : 到底使用哪个模型比较好？如果使用TF/IDF，在使用Bayes计算的时候如何使用
: : TF/IDF得到的权值？THX!

我觉得TF/IDF要好一些，不过这需要你首先有一个很大的文档库，计算其中每个
word的IDF。如果你用word vector表示文档的话，用TF/IDF代替词频即可。
TF/IDF主要是计算词的显著性与否，如果一个词在某个文档中出现的机会和
它在文档库出现的机会相近，则表示这个词在这个文档中是它的普遍用法，
TF?IDF值就会很小。只有当这个词在这个文档中的出现机会比它在文档库
中的机会大时，表示这个词在这个文档中有不平常的用法。
有人用这种方法从文档中提取关键词，效果还可以。
--

※ 来源:．南京大学小百合站 http://bbs.nju.edu.cn [FROM: 205.206.17.40]