改進樸素貝葉斯文本分類器的特征選擇方法探討.pdf

1、隨著計算機技術的發(fā)展，大量電子形式的信息飛速增長，如何有效地對這些海量的數(shù)據(jù)進行組織和整理變得非常重要。而文本分類技術通過把文檔自動歸入一個或多個類別，可以更好地對信息進行組織和檢索，有廣泛的應用前景。在眾多文本分類器中，樸素貝葉斯文本分類器的運算速度快，分類效果好，實用性非常強。 本文首先介紹了文本分類算法的一般過程，傳統(tǒng)的文本特征選擇算法和文本分類模型評價指標。然后詳細介紹了樸素貝葉斯文本器，指出其不足之處。文本分類問題的輸

2、入空間維數(shù)很高，特征個數(shù)可能上萬或多達幾萬，采用適當?shù)奶卣鬟x擇方法非常重要。傳統(tǒng)的文本分類特征選擇方法只是簡單地把很多單個分類能力強的特征選出來，然后組合在一起作為特征子集，沒有考慮特征之間的交互效應，影響了樸素貝葉斯文本分類器分類準確度。 本文的主要創(chuàng)新之處是提出了新的特征選擇算法BFS（Balanced Forward Selection），在相同時間復雜度的情況下，改善了傳統(tǒng)特征選擇算法會有偏向選擇特征的問題，提高了BIM