[发明专利]一种基于邻域粗糙集的文本特征约简方法

权利要求书

1.一种基于邻域粗糙集的文本特征约简方法，其特征在于，包括以下步骤：

将进行特征简约的文本进行预处理；其中预处理的方式至少包括中文分词、去停用词；

用TF-IDF算法计算预处理后文本中特征词项的权值，并构造文本决策系统；

定义邻域δ-，并求出每个词频下的邻域，判断并输出正域，从中寻找最大正域；

根据最大正域计算词频重要度，如果词频重要度满足预设条件，则放入约简集合。

2.根据权利要求1所述的基于邻域粗糙集的文本特征约简方法，其特征在于，所述构造文本决策系统为：

TDS＝(TU,TC∪D，V,f)，其中，TU＝D₁∪D₂∪...∪D_n，词频属性子集B＝{a₁,a₂,...a_n}，词频矩阵中且i,j∈n，定义x,y的在词频向量下的邻域δ-为：邻域半径为δa_i。

3.根据权利要求1所述的基于邻域粗糙集的文本特征约简方法，其特征在于，定义邻域δ-为：邻域半径为δa_i对属性子集B求解协方差矩阵v，计算公式如下：

并求解其逆矩阵v^-1。

4.根据权利要求1所述的基于邻域粗糙集的文本特征约简方法，其特征在于，预设的词频重要度满足条件为：

属性重要度参数η的计算方法如下，将属性集合与约简集合的差值应该控制在指定范围内，从而控制正域的选择，提高约简效率，θ是一个调节参数；

其中，θ为调节参数。

5.根据权利要求1所述的基于邻域粗糙集的文本特征约简方法，其特征在于，TF-IDF是以特征词项在文档中出现的次数与包含该词项的文档数之比作为该词的权值，具体计算公式如下：

其中，t_j表示文档中特征词项t的词频，N表示文档总数，n_j表示包含词项t的文档数。

6.根据权利要求1所述的基于邻域粗糙集的文本特征约简方法，其特征在于，词频重要度的计算公式为：

7.根据权利要求6所述的基于邻域粗糙集的文本特征约简方法，其特征在于，如果词频重要度满足预设条件，则将词频放入约简集合RED＝RED∪TC_K；否则记录K值，并令RED＝RED+TC_K,S＝S-POS_K，再次计算正域及词频重要度，判断满意度是否满足预设条件。