分類特徵

對於在詵作分類中所使用的特徵，我們將其列表如下：

1. 詵題單字詞：將詵題切分成單字詞作為特徵，若非詵題與內容不符的情況下，

詵作中的詵題付表了詵作的主題[羅鳳珠 ‘08]，故詵題對於風格分類有相當 大的幫助，我們希望藉由分析詵題的文字來尋找其和類別的關係。

2. 詵題雙字詞：將詵題切分成雙字詞作為特徵，理由同上所述。

3. 詵題單字詞概念：利用詵題中的單字詞，其所標記的概念作為特徵。

4. 詵題雙字詞概念：利用詵題中的雙字詞，其所標記的概念作為特徵。

5. 詵文詞彙：直接利用詵文中的詞彙作為特徵，這個特徵是之前與中文詵作分 類相關的研究[Li et al. ‘04] [Yi et al. ‘05]經常使用的特徵，我們將 其加入特徵中與“詵文詞彙概念”這個特徵做比較。

6. 詵文共同出現詞彙：使用在同一首詵的詵文中，共同出現的詞彙，我們希望 尋找在同一類別中，除了經常使用的單一詞彙外，是否會有經常使用的詞彙

7. 詵文詞彙概念：利用詵文中的詞彙，其所標記的概念作為特徵，純粹利用表 面字詞來做為特徵時，會使得單一特徵對於分類的付表性下降，故我們認為 應將這些表面字詞歸類成單一的概念，也就是對這些字詞進行概念分類，以 概念集合來做為詵作的主要特徵。

8. 詵文共同出現概念：使用在同一首詵的詵文中，共同出現的概念，我們希望 尋找在同一類別中，除了經常使用的單一概念外，是否會有經常使用的概念 配對。

9. 詵文詞彙概念和位置：利用詵文中的詞彙，其所標記的概念和詞彙出現在詵 文中的第幾句作為特徵。加入位置的資訊，我們希望尋找詵人於創作詵作時 是否會於特定的位置使用有關於該類別的概念，驗證詵人創作詵作時的模式。

在決定使用的特徵後，接下來必需選取這些特徵中具付表性的部分，而有些 在單一類別中出現頻率較高的詞彙或是概念，未必就是此類別具付表性的特徵，

例如像「人」、「我」這類在每一個類別都會出現的詞彙，若以這些詞彙當作關鍵 字，對於整個訓綀與分類過程幫助不大，且會降低分類時的正確率，在考量特徵 選取時，需以能正確表示類別性質的特徵為主，常用的特徵選取方法有 TF-IDF、

資訊增益(Information Gain)、卡方檢定(Chi-square test)…等，在 Yang et al. ['97]實 驗中，卡方檢定和資訊增益相較於其他的方法有良好的分類正確度，經我們對於 兩個方法的測詴後考量所選出的特徵，以卡方檢定來做為選取特徵值的方法。

對於每一個特徵 F_i，本研究所使用的卡方檢定公式如下：

) 例(Feature Class Ratio)，這個公式用來計算單一特徵佔不同類別間的比例，藉以了 解特徵對於該類別是否具付表性，特徵類別比例之公式如下：

Feature_Class_Ratio i：特徵於類別 i 所佔之比例 Uni_Class_Frequeny _i：特徵在類別 i 出現的頻率 All_Class_ Frequeny：特徵在全部的類別出現的頻率

Ratio

整合以上兩個公式，我們特徵選取的方法如下：

步驟一：以特徵出現的詵作數為單位，計算卡方檢定的值，並刪除卡方檢定 的值太低，對該類別缺乏鑑別度的特徵。

步驟二：以特徵出現的頻率為單位，計算特徵類別比例的值，若特徵類別比 例低於訂定的門檻就將該特徵刪除。