基于改进TF-IDF融合二进制灰狼优化的短文本分类

来源：计算机技术与发展杂志2024年第08期北京时间：

作者：杨东;毋涛;赵雪青;李猛

摘要：为了提高特殊类型短文本分类准确度和降低特征维度,提出了基于改进 TF-IDF 方法融合二进制灰狼优化的短文本分类。 为了提高特征向量文本权重计算准确度,提出了点赞排列因子,并融合了文本特征集中度,对附有点赞数的特殊类型文本进行权重计算,设计改进了 TF-IDF-RANK 方法对特征进行加权;同时,基于初选特征向量,设计优化了二进制灰狼优化算法(BGWO)搜寻最优特征子集,引入衰减系数向量和多优解迭代机制,提高灰狼搜寻性能。 结果表明,该方法有效地提升了权重准确率,更好地表征初选特征向量,增强特征选择时寻找全局最优解的能力,进而提高短文本的分类效果。 通过 LABIC 和抖音开放平台数据集测试,综合指标 F1 值分别提高了14. 76% 和14. 02% ,验证了该方法对于特殊类型文本分类的有效性。

关键词：短文本分类;特征加权;TF-IDF-RANK方法;特征选择;二进制灰狼优化