Resumen

El preprocesamiento de textos es uno de los problemas clave en el reconocimiento de patrones y desempeña un papel importante en el proceso de clasificación de textos. El preprocesamiento del texto consta de dos pasos fundamentales: la selección y la ponderación de las características. Los resultados del preprocesamiento pueden afectar directamente a la precisión y el rendimiento de los clasificadores. Por lo tanto, elegir el algoritmo adecuado para la selección y la ponderación de características para preprocesar el documento puede mejorar en gran medida el rendimiento de los clasificadores. De acuerdo con la teoría del índice de Gini, este artículo propone un algoritmo de índice de Gini mejorado. Este algoritmo construye una nueva función de selección y ponderación de características. Los resultados experimentales muestran que este algoritmo puede mejorar eficazmente el rendimiento de los clasificadores. Al mismo tiempo, este algoritmo se aplica a un sistema de identificación de información sensible y ha logrado un buen resultado. La precisión y la recuperación del algoritmo son superiores a las de los algoritmos tradicionales. Puede identificar información sensible en Internet de forma eficaz.

• Materias:Análisis Matemático Matemáticas Algebra Ingeniería Lógica matemática
• Subjects:Mathematical Analysis mathematics Algebra Engineering Mathematical logic
• Palabras claves:Preprocesamiento de textos; reconocimiento de patrones; clasificación de textos; selección de características; ponderación de características; algoritmo.
• Keywords:Text preprocessing; pattern recognition; text classification; feature selection; feature weighting; algorithm