技術(shù)編號(hào)：11286275
提示：您尚未登錄，請(qǐng)點(diǎn) 登 陸 后下載，如果您還沒(méi)有賬戶請(qǐng)點(diǎn) 注 冊(cè) ，登陸完成后，請(qǐng)刷新本頁(yè)查看技術(shù)詳細(xì)信息。本發(fā)明涉及一種特征選擇方法，具體是一種面向詞和組合詞的垃圾短信文本特征選擇方法，屬于基于文本內(nèi)容的垃圾短信識(shí)別技術(shù)領(lǐng)域。背景技術(shù)常用的文本表示模型主要有兩個(gè)特點(diǎn)，分別為高維度和高稀疏性。如果直接使用文本表示模型將原始文本數(shù)據(jù)轉(zhuǎn)換成結(jié)構(gòu)化數(shù)據(jù)，不僅會(huì)增加分類器的學(xué)習(xí)和預(yù)測(cè)的計(jì)算量，降低分類模型的訓(xùn)練和測(cè)試效率，而且會(huì)導(dǎo)致分類模型過(guò)擬合，模型方差較大，泛化能力較差，對(duì)測(cè)試樣本的預(yù)測(cè)準(zhǔn)確率不高。因此，研究人員越來(lái)越關(guān)注在不降低預(yù)測(cè)準(zhǔn)確率的前提下降低特征維度，從而提高分類模型預(yù)測(cè)性能的研究。常用特征降維...
注意：該技術(shù)已申請(qǐng)專利，請(qǐng)尊重研發(fā)人員的辛勤研發(fā)付出，在未取得專利權(quán)人授權(quán)前，僅供技術(shù)研究參考不得用于商業(yè)用途。
該專利適合技術(shù)人員進(jìn)行技術(shù)研發(fā)參考以及查看自身技術(shù)是否侵權(quán)，增加技術(shù)思路，做技術(shù)知識(shí)儲(chǔ)備，不適合論文引用。
請(qǐng)注意，此類技術(shù)沒(méi)有源代碼，用于學(xué)習(xí)研究技術(shù)思路。