IG特征词选择算法的中间文件。 包括用IG法选出的特征词，测试文档集合的VSM模型，训练文档集合的VSM模型，以及最后的评测结果

KrantikariQA 基于知识图系统的基于信息增益的问答系统。 chmod + x parallel_data_creation.sh 下载Gloves42B并将其保存在资源文件夹中 mkdir日志 ./parallel_data_creation.sh python data_creation_step1.py python reduce_data_creation_step2.py CUDA_VISIBLE_DEVICES = 3 python corechain.py -m

特征选择在文本分类中起着重要作用.文档频率(document frequency,简称DF)、信息增益(informationgain,简称IG)和互信息(mutualin formation,简称MI)等特征选择方法在文本分类中广泛应用.已有的实验结果表明,IG是最有效的特征选择算法之一,DF稍差,而MI效果相对较差.在文本分类中,现有的特征选择函数性能的评估均是通过实验验证的方法,即完全是基于经验的方法.特征选择是选择部分最有区分类别能力的特征,为此,给出了两个特征选择函数需满足的基本约束条