基于文本过滤的贝叶斯分类算法的改进

• 作者: 徐开勇 戴乐育 路金泉
• 来源期刊: 计算机与现代化
• 学科: 工学
• 关键词: 贝叶斯分类算法 TF-IDF 语义分析 文本过滤
• 年，卷（期）: 2016,（9）
• 所属期刊栏目: 算法设计与分析
• 页码范围: 100-103,108
• 页数: 5页
• 分类号: TP311
• 字数: 5756字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-2475.2016.09.022

摘要

针对传统贝叶斯分类算法无法满足复杂网络文本过滤需求,提出一种多词-贝叶斯分类算法(Multi Word-Bayes,MWB).该算法一方面引入了特征权重(Term Frequency-Inverse Document Frequency,TF-IDF)的计算思想,优化了传统贝叶斯分类算法只考虑词频不考虑文本间关系的问题;另一方面将词与词间的关系作为文本分类的重要参考项,克服了传统贝叶斯分类算法在分类器训练上对语义分析的忽视.实验结果表明,MWB在垃圾文本过滤上具有更好的分类性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	徐开勇		19	127	7.0	10.0
2	戴乐育		2	11	2.0	2.0
3	路金泉		1	6	1.0	1.0