基于AdaBoost-Bayes算法的中文文本分类系统

• 作者: 刘双印 徐凯 陈平华
• 来源期刊: 微电子学与计算机
• 关键词: 中文分词 文本分类 AdaBoost Bayes
• 年，卷（期）: 2016,（6）
• 页码范围: 63-67
• 分类号: TP309.7
• 语种: 中文

摘要

针对中文文本分类准确率低,分类算法低效不稳定问题,提出基于自适应提升朴素贝叶斯算法.该算法采用Naive Bayes和AdaBoost,并且通过优化组合结构,融合两种算法的优点.首先,使用SMEL序列组合成词算法对中文语料进行分词,提取文本特征词汇.然后,使用增强的贝叶斯分类器,通过较小的样本训练,提取出文本特征,生成训练分类矩阵.结合自适应提升算法对简单分类器进行加权,保证分类有平稳准确的效果.通过实验证明,该算法与其他算法相比,错误率更低,可以使分类准确率达到98％以上,而且F1值也优于其他分类算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘双印	广东海洋大学信息学院	35	333	12.0	17.0
2	陈平华	广东工业大学计算机学院	84	860	11.0	28.0
3	徐凯	广东工业大学计算机学院	5	13	2.0	3.0