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年度农村建房邻里环境卫生管理服务协议 8页

2025年度农村兄弟房屋分割与共有权登记协议 8页

2025年小金属:镁项目建议书 64页

2025年搅拌机项目发展计划 56页

高级心血管生命支持 33页

肺出血的诊断技术优化-全面剖析 28页

铸造工艺自动化对劳动力需求的影响-全面剖析 25页

服装市场分析报告范文(28篇) 143页

正规运输合同参考(10篇) 35页

一种基于社会网络的潜在流失客户发现方法 2页

一种变步长方法改进的刚体动力学仿真 2页

一种低霉菌易烹型螺蛳粉干粉的加工设备及方法.. 2页

精准扶贫的调研报告汇编(30篇) 193页

自强之星优秀发言稿(29篇) 62页

起诉状(买卖合同)(30篇) 57页

金融管理专业毕业生自我鉴定范文(11篇) 16页

《锻造及加热炉节能新技术资料选编》出版发行.. 2页

《丹溪治法心要》中姜汁运用规律初探 2页

“大型水轮发电机技术”专题讨论会在哈召开 2页

“七五”末期炼钢技术发展的主攻方向 2页

Z111型甲烷蒸汽转化催化剂应用小结 2页

XS—102防水涂料通过技术鉴定 2页

VCR法回采矿柱的爆破效应研究 2页

TL型湿式脱硫除尘器应用与效益分析 2页

2025年幼儿园大班期末总结 45页

SR 852精练剂的应用探讨 2页

RSN210不锈热双金属的性能及应用 2页

2025年幼儿园中秋节活动策划方案2025 9页

2025年幼儿园中班春游活动总结 9页

XX学校义务教育优质均衡发展创建实施方案范文.. 8页