增量学习朴素贝叶斯中文分类系统的分析.pdfVIP

摘 要 随着Intemet的飞速发展，文本信息成几何级增长。为了能在海量的 文本中及时准确地获得有效的知识和信息，文本分类技术受到了广泛的 关注。朴素贝叶斯分类是目前公认的一种简单有效的概率分类方法，但 是它不具备增量学习的功能。针对这种情况，本文提出改进的增量学习 朴素贝叶斯算法。本文详细介绍了增量学习思路与增量学习朴素贝叶斯 算法，并设计了一个增量朴素贝叶斯中文分类实验系统。 论文的主要内容包括如下几个方面： 1．描述了文本分类的一般过程，介绍了多种贝叶斯分类方法，对比 研究分析其联系与差别。 2．对特征选择算法进行深入分析，提出一种结合特征项在各类别中 的分布信息的改进的TFIDF特征选择方法。实验证明改进的方法选择出 的特征有更强的类别表达能力。 3．针对朴素贝叶斯分类不具备增量学习的缺陷，提出增量学习朴素 贝叶斯算法。详细介绍了增量学习思路，提出带选择性对文本进行增量 学习的思想。在此基础上提出加权朴素贝叶斯方法增量学习算法，并对 算法给出了详细证明与分析。 4．设计了一个增量朴素贝叶斯中文分类实验系统，使用两个中文数 据集进行实验。实验结果表面，带增量学习的朴素贝叶斯分类方法在两 个数据集上都比单纯的朴素贝叶斯分类效果要好。 关键词朴素贝叶斯，文本分类，增量学习，类置信度 ABSTRACT Withthe of lnformationIncreases Internet，text rapiddevelopment ordercontroland valuable to retrieve exponentially．In ofautomatictext becomes categorizationveryimportant．NaiveBayes methodisa andeffective methodat simple probabilitycategorization this hasthelackofnon—incremental present，butalgorithm learningability． based This anincremental on paperproposes learningalgorithm weighted todealwiththis introducesthemainideaofincremental naive lack．It bayes andthe naive cremental in learningweightedBaye learningalgorithmdetail， and a incrementalChinesetext designessimple Bayes system． experimental the Thecontentofthisthesis includes mainly followingaspects： 1．Th