10298.基于稀疏貝葉斯模型的文本分類方案研究

1、分類號：密級：學校代碼：10165學號：201211000719逢掌研籍大學碩士學位論文⑨基于稀疏貝葉斯模型的文本分類方案研究作者姓名：學科、專業(yè)：研究方向：導師姓名：筮苤洹計算數(shù)學計算機輔助幾何設計彭興璇副教授2O16年04月遼寧師范大學碩士學位論文摘要文本分類是按照一定的分類標準進行自動的標記分類的。這種智能化的分類使得我們無需通過文本的表達等信息，就能從中得知后面的文本是否是自己所需要的。文本分類一般包括文本的表達、分類器的選擇、

2、分類結(jié)果的評價和反饋等過程。隨著網(wǎng)絡技術的發(fā)展，自動文本成為行業(yè)先驅(qū)以及各種智能化、個性化的搜索引擎，并且在許多領域獨領風騷。文章不僅對部分特征提取的工作做了細化，還對各種算法和一些基本概念以及分類器的選擇作出了說明，并對文本分類的問題進行了剖析并說明其優(yōu)缺點，以及如何更好的應用它們。其次，針對各種算法存在的弊端提出了稀疏貝葉斯概率模型，使其能夠更好的適應文本分類的需要，并完善相關的技術。再次，通過判斷收縮因子的類密度以及相關的性質(zhì)，給

3、出了必要的證明和解釋。稀疏貝葉斯概率模型大大提升了文本分類的準確度，使人力成本大幅降低。我們還利用了統(tǒng)計學習的辦法，對分類器進行了有效的分類，最后對各類分類器的優(yōu)缺點進行了評價，指明了模型的用途和相應的局限性?，F(xiàn)今，統(tǒng)計方法已成為文本分類領域的主要方法以及明確的標準，這樣應用起來更加的得心應手。我們采用的稀疏貝葉斯模型不僅降低了文本分類的計算量，還提高了文本分類的速度。我們的實驗結(jié)果表明，稀疏貝葉斯模型在大數(shù)據(jù)方面優(yōu)于傳統(tǒng)的模型的算法，