基于K-鄰近和樸素貝葉斯的文本分類系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn).pdf

1、隨著信息技術(shù)的發(fā)展，互聯(lián)網(wǎng)已成為人們獲取信息的主要途徑，如何快速的在眾多信息資源中找到自己需要的信息，成為當(dāng)前一個(gè)亟待解決的問題?；ヂ?lián)網(wǎng)上的信息大部分是文本數(shù)據(jù)，而文本自動(dòng)分類可以有效的組織和管理文本數(shù)據(jù)，因此具有重要的研究意義和應(yīng)用價(jià)值。
　　本文詳細(xì)分析了中文文本分類的主要過程，包括文本預(yù)處理、文本表示、特征選擇、分類器構(gòu)建和分類器性能評(píng)估。在文本表示方面，本文重點(diǎn)介紹了向量空間模型，在特征選擇方面，本文給出了互信息、信息增益

2、、?2統(tǒng)計(jì)量等常用的特征選擇方法，分類算法是分類系統(tǒng)的核心，本文介紹了決策樹算法、K-鄰近分類算法、樸素貝葉斯分類算法和支持向量機(jī)分類算法。
　　本文重點(diǎn)分析了K-鄰近分類算法和樸素貝葉斯算法，并使用C++實(shí)現(xiàn)了基于K-鄰近分類算法的分類器、基于多重伯努利模型的分類器和基于多項(xiàng)式模型的分類器。對(duì)于K-鄰近分類器，本文討論了如何確定K值，如何根據(jù)最近的K個(gè)文檔決定測(cè)試文檔類別等相關(guān)問題。對(duì)于樸素貝葉斯分類算法，本文引入了平滑技術(shù)，防