10298.基于稀疏貝葉斯模型的文本分類(lèi)方案研究

1、分類(lèi)號(hào)：密級(jí)：學(xué)校代碼：10165學(xué)號(hào)：201211000719逢掌研籍大學(xué)碩士學(xué)位論文⑨基于稀疏貝葉斯模型的文本分類(lèi)方案研究作者姓名：學(xué)科、專(zhuān)業(yè)：研究方向：導(dǎo)師姓名：筮苤洹計(jì)算數(shù)學(xué)計(jì)算機(jī)輔助幾何設(shè)計(jì)彭興璇副教授2O16年04月遼寧師范大學(xué)碩士學(xué)位論文摘要文本分類(lèi)是按照一定的分類(lèi)標(biāo)準(zhǔn)進(jìn)行自動(dòng)的標(biāo)記分類(lèi)的。這種智能化的分類(lèi)使得我們無(wú)需通過(guò)文本的表達(dá)等信息，就能從中得知后面的文本是否是自己所需要的。文本分類(lèi)一般包括文本的表達(dá)、分類(lèi)器的選擇、

2、分類(lèi)結(jié)果的評(píng)價(jià)和反饋等過(guò)程。隨著網(wǎng)絡(luò)技術(shù)的發(fā)展，自動(dòng)文本成為行業(yè)先驅(qū)以及各種智能化、個(gè)性化的搜索引擎，并且在許多領(lǐng)域獨(dú)領(lǐng)風(fēng)騷。文章不僅對(duì)部分特征提取的工作做了細(xì)化，還對(duì)各種算法和一些基本概念以及分類(lèi)器的選擇作出了說(shuō)明，并對(duì)文本分類(lèi)的問(wèn)題進(jìn)行了剖析并說(shuō)明其優(yōu)缺點(diǎn)，以及如何更好的應(yīng)用它們。其次，針對(duì)各種算法存在的弊端提出了稀疏貝葉斯概率模型，使其能夠更好的適應(yīng)文本分類(lèi)的需要，并完善相關(guān)的技術(shù)。再次，通過(guò)判斷收縮因子的類(lèi)密度以及相關(guān)的性質(zhì)，給

3、出了必要的證明和解釋。稀疏貝葉斯概率模型大大提升了文本分類(lèi)的準(zhǔn)確度，使人力成本大幅降低。我們還利用了統(tǒng)計(jì)學(xué)習(xí)的辦法，對(duì)分類(lèi)器進(jìn)行了有效的分類(lèi)，最后對(duì)各類(lèi)分類(lèi)器的優(yōu)缺點(diǎn)進(jìn)行了評(píng)價(jià)，指明了模型的用途和相應(yīng)的局限性?，F(xiàn)今，統(tǒng)計(jì)方法已成為文本分類(lèi)領(lǐng)域的主要方法以及明確的標(biāo)準(zhǔn)，這樣應(yīng)用起來(lái)更加的得心應(yīng)手。我們采用的稀疏貝葉斯模型不僅降低了文本分類(lèi)的計(jì)算量，還提高了文本分類(lèi)的速度。我們的實(shí)驗(yàn)結(jié)果表明，稀疏貝葉斯模型在大數(shù)據(jù)方面優(yōu)于傳統(tǒng)的模型的算法，