10298.基于稀疏貝葉斯模型的文本分類方案研究

1、分類號：密級：學(xué)校代碼：10165學(xué)號：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方案研究作者姓名：學(xué)科、專業(yè)：研究方向：導(dǎo)師姓名：筮苤洹計算數(shù)學(xué)計算機輔助幾何設(shè)計彭興璇副教授2O16年04月遼寧師范大學(xué)碩士學(xué)位論文摘要文本分類是按照一定的分類標(biāo)準(zhǔn)進行自動的標(biāo)記分類的。這種智能化的分類使得我們無需通過文本的表達等信息，就能從中得知后面的文本是否是自己所需要的。文本分類一般包括文本的表達、分類器的選擇、

2、分類結(jié)果的評價和反饋等過程。隨著網(wǎng)絡(luò)技術(shù)的發(fā)展，自動文本成為行業(yè)先驅(qū)以及各種智能化、個性化的搜索引擎，并且在許多領(lǐng)域獨領(lǐng)風(fēng)騷。文章不僅對部分特征提取的工作做了細(xì)化，還對各種算法和一些基本概念以及分類器的選擇作出了說明，并對文本分類的問題進行了剖析并說明其優(yōu)缺點，以及如何更好的應(yīng)用它們。其次，針對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)文本分類的需要，并完善相關(guān)的技術(shù)。再次，通過判斷收縮因子的類密度以及相關(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的準(zhǔn)確度，使人力成本大幅降低。我們還利用了統(tǒng)計學(xué)習(xí)的辦法，對分類器進行了有效的分類，最后對各類分類器的優(yōu)缺點進行了評價，指明了模型的用途和相應(yīng)的局限性?，F(xiàn)今，統(tǒng)計方法已成為文本分類領(lǐng)域的主要方法以及明確的標(biāo)準(zhǔn)，這樣應(yīng)用起來更加的得心應(yīng)手。我們采用的稀疏貝葉斯模型不僅降低了文本分類的計算量，還提高了文本分類的速度。我們的實驗結(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，