1、本文圍繞非均衡文本分類中的關鍵性問題——非均衡文本分類特征選擇展開研究論述，結合文獻調(diào)研，總結出非均衡文本分類特征選擇的特殊性和亟待解決的難題就是要在不降低整個文本數(shù)據(jù)集上分類效果的前提下，通過特征選擇提高在小類別上的分類精度。
　　 文中主要對兩種適合非均衡文本特征選擇的算法（DFICF算法和類條件MI算法）進行具體分析，總結各自算法的優(yōu)點，同時指出存在的不足:
　　 1.DFICF算法一方面重點考慮到高頻詞條的DF值

2、較高，能夠保證整個數(shù)據(jù)集上攜帶較多文本信息的大多數(shù)高頻詞條被選進特征子集，另方面考慮到非均衡文本集中小類別文本數(shù)量少的問題，引入ICF評價指標，使得特征選擇算法也傾向于那些小類別中的低頻詞條。DFICF算法平衡了既要選高頻詞條又要選低頻詞條之間的矛盾。但是，DFICF算法本身受到訓練文本集的類別數(shù)目和類別間數(shù)量分布的約束，對訓練文本集文本總量、類別間分布情況和類別總數(shù)數(shù)量上變化是敏感的。
　　 2.類條件MI算法不僅考慮了訓練樣

3、本的類別分布狀況，將類別因素考慮進去，而且考慮了特征出現(xiàn)時訓練樣本的分布狀況。該方法能夠改善樣本分布不均勻對互信息的影響。該特征選擇算法，計算復雜度較高。當要計算某個特征與每個類別的相關度的時候，如果不同類別間的文本數(shù)量處于不同數(shù)量級的時候，p(cj)和p(cj|ti)的差異也很大。這樣的特征選擇方案試圖犧牲整體的分類精度來提高局部的分類精度。
　　 文中另一個研究重點在于針對已有的非均衡特征選擇算法的不足，提出改進意見，綜合三