基于詞語權(quán)重改進(jìn)的樸素貝葉斯分類算法的研究與應(yīng)用.pdf

1、隨著信息技術(shù)尤其是Internet相關(guān)技術(shù)的發(fā)展與成熟，人們已經(jīng)進(jìn)入一個信息海量、高速化的時代。這就對人們傳統(tǒng)的上網(wǎng)方式提出了挑戰(zhàn)，即能否更快更全的找到并接收你感興趣的信息。RSS閱讀器的出現(xiàn)無疑在一定程度上解決了這個問題。同時，使用Web文檔自動分類技術(shù)可以更加有效地組織和管理Web資源，提高信息檢索的效率，它目前已成為Web挖掘的研究熱點之一。 樸素貝葉斯分類模型以其堅實的數(shù)學(xué)基礎(chǔ)和豐富的概率表達(dá)能力，尤其是它能充分利用先驗

2、信息的特性越來越受到人們的重視，成為數(shù)據(jù)挖掘領(lǐng)域中的一個熱點，在數(shù)據(jù)挖掘中具有廣泛的應(yīng)用。目前對于它的研究工作主要集中在探討它的條件獨立性假設(shè)和如何改善其性能方面。 本文利用加權(quán)樸素貝葉斯算法來改進(jìn)其分類性能，同時考慮到傳統(tǒng)權(quán)重計算方法TFIDF存在一定的缺陷，提出了一種新的權(quán)重計算公式TF—IDF—RTC，該方法將特征項與類別之間的關(guān)聯(lián)性考慮到了權(quán)重計算公式里面，用來突出那些在類別中作用比較大的特征項，實驗證明是可行的。