已閱讀1頁,還剩82頁未讀, 繼續(xù)免費閱讀
版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、隨著網(wǎng)絡(luò)信息的發(fā)展,信息自動分類已經(jīng)成為人們獲取有用信息不可或缺的工具。貝葉斯作為其中的一種分類方式,應(yīng)用在眾多領(lǐng)域。貝葉斯方法的一大優(yōu)點是利用了先驗信息,能夠在不確定性的推理中提供一種模式和處理方法。 本文首先對文本分類系統(tǒng)以及貝葉斯分類模型作了分析和探討,包括文本信息的表示、提取,文本分類的方法以及貝葉斯用于文本分類的模型和算法。然后,本文分析了貝葉斯分類的數(shù)據(jù)稀疏的問題,討論了所采用的laplace平滑方法的缺陷,提出了用
2、統(tǒng)計語言模型uni-gram的平滑方法來改進數(shù)據(jù)稀疏狀況,并介紹了uni-gram模型的三種平滑方法,分別是Jelinek-Mercer平滑方法、Dirichlet方法以及絕對折扣法。 最主要的工作是用統(tǒng)計語言模型的平滑方法改進了貝葉斯分類器,就是用uni-gram的三種平滑方式代替了貝葉斯原來的laplace平滑,提出了具體的算法和實現(xiàn)框圖。并且對改進了的貝葉斯進行了實驗分析,選擇了合適的平滑參數(shù)取值,與原來的分類器在性能上作
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 改進樸素貝葉斯文本分類器的特征選擇方法探討.pdf
- 特征選擇與貝葉斯文本分類方法的研究.pdf
- 基于Spark的貝葉斯文本分類算法研究與實現(xiàn).pdf
- MapReduce框架下的貝葉斯文本分類學(xué)習研究.pdf
- 云計算環(huán)境下的樸素貝葉斯文本分類研究與實現(xiàn).pdf
- 數(shù)據(jù)挖掘系統(tǒng)及其應(yīng)用研究—用關(guān)聯(lián)特征提高樸素貝葉斯文本分類器的性能.pdf
- 文本分類中的貝葉斯特征選擇.pdf
- 基于貝葉斯的網(wǎng)頁文本分類算法.pdf
- 改進貝葉斯模型在中文文本分類系統(tǒng)中的應(yīng)用.pdf
- 基于貝葉斯理論的增量文本分類算法研究.pdf
- 基于貝葉斯過濾的文本分類技術(shù)的研究與實現(xiàn).pdf
- 基于貝葉斯網(wǎng)絡(luò)的短文本分類算法研究.pdf
- 基于樸素貝葉斯的高血壓文本分類的研究.pdf
- 文本分類算法的研究與改進.pdf
- 加權(quán)貝葉斯增量學(xué)習中文文本分類研究.pdf
- 基于樸素貝葉斯方法的中文文本分類研究.pdf
- 基于樸素貝葉斯技術(shù)的藏文文本分類
- 10298.基于稀疏貝葉斯模型的文本分類方案研究
- 基于無監(jiān)督聚類和樸素貝葉斯分類的文本分類方法研究.pdf
- 文本分類特征選擇與分類算法的改進.pdf
評論
0/150
提交評論