一种增量式Bayes文本分类算法

• 作者: 吉根林 高洁
• 来源期刊: 南京师范大学学报（工程技术版）
• 学科: 工学
• 关键词: 文本分类,增量学习,Na(l)ve Bayes
• 年，卷（期）: 2004,（3）
• 所属期刊栏目: 技术应用
• 页码范围: 49-52
• 页数: 4页
• 分类号: TP393
• 字数: 3902字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-1292.2004.03.013

摘要

文本自动分类是数据挖掘和机器学习中非常重要的研究领域.针对难以获得大量有类标签的训练集问题,提出了基于小规模标注语料的增量式Bayes文本分类算法.该算法分两种情况处理:第一种情况是新增样本有类标签,可直接重新计算样本属于某类别的条件概率.第二种情况是新增样本无类标签,则利用现有分类器为其训练类标签,然后利用新样本来修正分类器.实验结果表明,该算法是可行有效的,比Nave Bayes文本分类算法有更高的精度.增量式Bayes分类算法的提出为分类器的更新提供了一条新途径.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吉根林	南京师范大学数学与计算机科学学院	138	2757	22.0	50.0
2	高洁	南京师范大学数学与计算机科学学院	12	25	3.0	4.0