基于贝叶斯决策的极短文本分类模型

• 作者: 张德成 李昌 王杨 甄磊 赵传信
• 来源期刊: 重庆科技学院学报（自然科学版）
• 学科: 工学
• 关键词: Jieba分词 Kettle工具 极短文本分类 贝叶斯分类
• 年，卷（期）: 2018,（4）
• 所属期刊栏目: 计算机应用
• 页码范围: 82-85
• 页数: 4页
• 分类号: TP391
• 字数: 3367字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-1980.2018.04.019

摘要

为了有效提取极短文本中的关键特征信息,提出一种基于贝叶斯决策的极短文本分类模型.首先对原数据进行数据清洗并利用Jieba分词对清洗过的数据进行处理;然后利用Kettle工具提取分类所需关键词,并将处理后的数据存人数据库;最后利用贝叶斯决策对极短文本进行分类.通过(1-0)检验,验证模型的有效性.以一批极短文本数据作为样本进行实验,结果显示出该方法能够有效提高匹配效率,误分度与精确度指标的匹配结果更加均衡.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵传信	安徽师范大学数学计算机科学学院	47	219	8.0	13.0
2	王杨	安徽师范大学数学计算机科学学院	65	291	9.0	14.0
3	李昌	安徽师范大学数学计算机科学学院	5	2	1.0	1.0
4	张德成	蚌埠医学院公共基础学院	8	5	2.0	2.0
5	甄磊	安徽师范大学数学计算机科学学院	3	2	1.0	1.0