貝葉斯文本分類器的研究與改進.pdf

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