文本特徵提取算法實現

最近因項目須要，對文本作情感分析，因爲文本分詞後詞向量比較大，不自覺地研究了一下文本特徵提取的方法，一不當心實現了兩種方法：卡方檢驗和信息增益提取文本特徵。源碼已經上傳到Git，歡迎你們移步Git，給提點意見。

Git：https://github.com/JFanZhao/feature_extraction

基使用方法：

//建立特徵提取對象，能夠使用卡方校驗或者信息增益兩種方法
IFeatureExtraction featureExtraction = new CHIFeatureExtractionImpl();
//IFeatureExtraction featureExtraction = new IGFeatureExtractionImpl();
//構造樣本集 map的key是樣本的標籤，value 是對應的每一個類別下的樣本分詞結果
Map<String,List<List<String>>> datas = new HashMap<String, List<List<String>>>();
//調用特徵提取方法  第二個參數特徵的個數，也能夠不寫，默認是300
List<String> features = featureExtraction.featureExtraction(datas, 500);

另外，算法的原理主要參考一下兩個博文，特別感謝兩位博主的無私奉獻。

文本分類入門（十一）特徵選擇方法之信息增益

文本特徵詞提取算法