增量學(xué)習(xí)樸素貝葉斯中文分類系統(tǒng)的研究.pdf

1、隨著Internet的飛速發(fā)展，文本信息成幾何級(jí)增長(zhǎng)。為了能在海量的文本中及時(shí)準(zhǔn)確地獲得有效的知識(shí)和信息，文本分類技術(shù)受到了廣泛的關(guān)注。樸素貝葉斯分類是目前公認(rèn)的一種簡(jiǎn)單有效的概率分類方法，但是它不具備增量學(xué)習(xí)的功能。針對(duì)這種情況，本文提出改進(jìn)的增量學(xué)習(xí)樸素貝葉斯算法。本文詳細(xì)介紹了增量學(xué)習(xí)思路與增量學(xué)習(xí)樸素貝葉斯算法，并設(shè)計(jì)了一個(gè)增量樸素貝葉斯中文分類實(shí)驗(yàn)系統(tǒng)。 論文的主要內(nèi)容包括如下幾個(gè)方面： 1.描述了文本分類的一

2、般過(guò)程，介紹了多種貝葉斯分類方法，對(duì)比研究分析其聯(lián)系與差別。 2.對(duì)特征選擇算法進(jìn)行深入分析，提出一種結(jié)合特征項(xiàng)在各類別中的分布信息的改進(jìn)的TFIDF特征選擇方法。實(shí)驗(yàn)證明改進(jìn)的方法選擇出的特征有更強(qiáng)的類別表達(dá)能力。 3.針對(duì)樸素貝葉斯分類不具備增量學(xué)習(xí)的缺陷，提出增量學(xué)習(xí)樸素貝葉斯算法。詳細(xì)介紹了增量學(xué)習(xí)思路，提出帶選擇性對(duì)文本進(jìn)行增量學(xué)習(xí)的思想。在此基礎(chǔ)上提出加權(quán)樸素貝葉斯方法增量學(xué)習(xí)算法，并對(duì)算法給出了詳細(xì)證明與分