基于貝葉斯的網(wǎng)頁(yè)文本分類(lèi)算法.pdf

1、作為從Web信息資源中發(fā)現(xiàn)潛在的有價(jià)值知識(shí)的一種有效技術(shù),基于Web的數(shù)據(jù)挖掘正倍受關(guān)注,Web文本挖掘是Web數(shù)據(jù)挖掘的一個(gè)研究熱點(diǎn).目前基于文本挖掘提出了很多算法,而簡(jiǎn)單貝葉斯算法是其中一種重要的方法.利用簡(jiǎn)單貝葉斯進(jìn)行分類(lèi),需要大量訓(xùn)練文本來(lái)進(jìn)行分類(lèi),代價(jià)很大.如何提高簡(jiǎn)單貝葉斯分類(lèi)準(zhǔn)確度,并減少訓(xùn)練文檔數(shù)量是文本挖掘的研究重點(diǎn).Web文本挖掘研究涉及取詞、分詞等切詞處理,以及文本分類(lèi)方法.這里針對(duì)英文文本作為文本分類(lèi)的數(shù)據(jù),采用

2、改進(jìn)的文檔頻度作為特征選取的標(biāo)準(zhǔn),參照標(biāo)準(zhǔn)數(shù)據(jù)集進(jìn)行文本特征抽取,基于簡(jiǎn)單貝葉斯帶潛在主題詞改進(jìn)了文本分類(lèi)器.在分類(lèi)過(guò)程中,引入迭代因子提升迭代的速度,根據(jù)簡(jiǎn)單貝葉斯分類(lèi)的基本原理,基于先驗(yàn)假定帶有類(lèi)別標(biāo)簽的文檔,對(duì)潛在類(lèi)別關(guān)鍵詞通過(guò)有限次迭代得到分類(lèi)結(jié)果.在每次迭代過(guò)程中,后驗(yàn)概率最大的潛在分類(lèi)詞作為該次迭代的分類(lèi)結(jié)果,最終分類(lèi)結(jié)果由每次迭代得到的分類(lèi)結(jié)果綜合而得.分類(lèi)算法是針對(duì)Web文本分類(lèi)而提出的一種基于簡(jiǎn)單貝葉斯文本分類(lèi)方法,它