1 / 44
文档名称:

基于朴素贝叶斯方法的中文文本分类研究.pdf

格式:pdf   页数:44页
下载后只包含 1 个 PDF 格式的文档,没有任何的图纸或源代码,查看文件列表

如果您已付费下载过本站文档,您可以点这里二次下载

分享

预览

基于朴素贝叶斯方法的中文文本分类研究.pdf

上传人:cherry 2014/4/1 文件大小:0 KB

下载得到文件列表

基于朴素贝叶斯方法的中文文本分类研究.pdf

文档介绍

文档介绍:河北大学
硕士学位论文
基于朴素贝叶斯方法的中文文本分类研究
姓名:李丹
申请学位级别:硕士
专业:计算机应用技术
指导教师:袁方
2011-06
摘要
摘要
计算机与网络技术自出现以来,发展迅速,并日趋完善,互联网已成为获取信息的
主要来源。由于网络中大部分信息是文本数据,作为有效组织与管理文本数据重要基础
的文本自动分类已成为具有重要应用价值的研究领域。基于贝叶斯理论的朴素贝叶斯分
类方法具有简单、有效、速度快的优点,成为文本分类算法的重点研究内容之一。
本文首先对文本分类涉及到的中文分词、文本向量表示及特征权重计算等关键技术
做了比较详细的分析研究;然后针对朴素贝叶斯文本分类的模型以及常用特征选择方法
对朴素贝叶斯文本分类的性能影响进行了详细的研究与分析;最后,设计并使用 Java
在 MyEclipse 平台上实现了基于朴素贝叶斯方法的中文文本分类系统。
本文重点分析了多变量伯努利模型与多项式模型,通过实验对比得出在中文文本分
类中多项式模型优于多变量伯努利模型。为了进一步提高分类精度,本文对多项式模型
的平滑因子进行了改进,实验表明具有良好的分类效果。由于朴素贝叶斯分类模型是建
立在属性之间条件独立性假设之上,因此特征选择的好坏与否对分类精度有较大影响。
本文通过实验表明信息增益和χ 2 统计量是朴素贝叶斯文本分类较好的特征选择方法。

关键词文本分类朴素贝叶斯分类多变量伯努利模型多项式模型特征选择

I
Abstract
Abstract
Since the technology puter work appeared, it had been developed very
rapidly. Network has ing one of the most mainly-used information source. Because
most of the information in work is text data type, automatic text categorization which is
the important basic of anization and management text data has e an
important study field. Naive Bayes classification method is based on the Bayesian theory,
which is accepted as simple and effective probability classification method and has e
one of the important contents in the text categorization.
Firstly, the paper studies key technologies of the text categorization that includes
Chinese text segmentation, representation of text vector and feature weighting. After that,
Naive Bayes text classification model and the affect of feature selection method on
performance of Naive Bayes text classification is studied. At last, java on MyEclipse to
realize Chinese text categorization system based on Naive Bayes method is plished.
This paper mainly analyzes Multi-variate Bernoulli Model and Multinomial Model. By
experiment, the effect of Multinomial Model is better than Multi-variate Bernoulli Model in
the Chinese text categorization. In order to increase classification accuracy,smoothing factor
of Multinomial Model is improved. The exper

最近更新

2025年火灾报警控制系统项目建议书 54页

2025年硅灰石项目合作计划书 55页

2025年糖尿病自我血糖监测指南 38页

2025年电解质分析仪合作协议书 58页

关于带式输送机输送带跑偏的分析及处理 2页

人教版数学六年级下册总复习《数的认识》1 22页

2025年糖尿病治疗常见误区辨析 28页

关于对外贸易能增加一国价值量的思考 2页

2025年糖化血红蛋白测定要领解析 31页

关于大面积分层爆破效果的分析 2页

关于复合裂纹脆性断裂理论的探讨 2页

关于垂直筛板(VST)的初步研究 2页

布衣总统孙中山教学 29页

关于商品学中研究修理问题的探讨 2页

2025年疾病案例对比分析研究 89页

关于光子散射能量分布的抽样方法 2页

关于使用“防火检查系列表”的探讨 2页

关于企业技术改造激励机制的探讨 2页

关于不同蒸发温度混合制冷的问题探索 2页

关于《财务管理》教学改革的几点探讨 2页

2025年护士职业礼仪培训精华讲解 10页

六安瓜片机械化生产工艺的研究 2页

公共资本对私人部门经济增长的影响研究 2页

全面预算管理对黄金矿山企业的作用分析 2页

2025年布加综合症治疗新进展与方法探究 20页

全尾砂絮凝沉降参数GA-SVM优化预测模型研究 2页

库迪咖啡品牌合作协议 5页

(完整版)小学生必背古诗词80首 2页

计算机专业毕业论文3000字 6页

市政道路监理细则[1] 26页