一种改进的 TF-IDF文本分类算法

【摘要】 鉴于词频-逆文本频率(term frequency-inverse document frequency，TF-IDF)算法仅考虑新闻文档内特征词的频率，没有考虑类间权重值的影响，基于此，提出了一种改进的 TF-IDF算法，让文本实现更好的分类效果。新算法比较特征词在不同类别中的频数，将频数最高的类确定为特征词对该类的文档有较好的区分度的类，进而结合贝叶斯算法完成新闻分类。仿真实验结果表明，新算法在精确率、召回率以及调和平均值上都有所提升。因此，结合类间权重值的影响的考虑对 TF-IDF算法进行改进，在文本分类上具有较好的分类效果。更多还原