NPL 贝叶斯算法.pptVIP

贝叶斯算法用于语义消歧 很多词语都具有几个意思或语义，如果把这样的词从上下文中独立出来，就会产生语义歧义。 海： 世界上有很多著名的海，它们主要分布于大洋的边缘地带。指与“大洋”相连接的大面积咸水区域，即大洋的边缘部分。 “你真是海量！”。大的。 人海茫茫，找到他谈何容易？比喻连成一大片的很多同类事物。 水分： 植物是靠它的根从土壤中吸收水分。物体内所含的水。 他说的话里有很大的水分。比喻某一情况中夹杂的不真实的成分。 语义消歧就是为了解决这样的歧义问题。 遇到的问题问题：语言的歧义性 贝叶斯分类算法 朴素贝叶斯 Naive Bayes 用来刻画实物特征的属性都是条件独立的 朴素贝叶斯 Naive Bayes 推论： 1.上下文中的所有结构和词语顺序都可以被忽略。 2.在可有重复的单词集中出现的词独立于其他词。 推论不正确 如：总统在包含“竞选” 的上下文中概率要比包含“诗人”的上下文中大。 虽然模型有缺点，但它仍十分有效。部分原因是，即使由于特征依赖性带来了概率估计的不准确性，分类器的决策仍可以是最优的。 朴素贝叶斯 Naive Bayes 朴素贝叶斯 Naive Bayes 谢谢