基于指数分布族的类特定文本分类算法

• 作者: 刘云 黄荣乘
• 来源期刊: 重庆邮电大学学报（自然科学版）
• 学科: 工学
• 关键词: 指数分布族 类特定特征选择 类条件概率密度函数 多项式朴素贝叶斯分类器 文本分类
• 年，卷（期）: 2019,（5）
• 所属期刊栏目: 计算机与自动化
• 页码范围: 694-701
• 页数: 8页
• 分类号: TP391
• 字数: 6057字
• 语种: 中文
• DOI: 10.3979/j.issn.1673-825X.2019.05.015

摘要

在文本分类中,选取一个高效的分类算法是提高文本分类准确度,缩短分类时间的关键.提出基于指数分布族的多项式贝叶斯类特定分类算法(exponential family-multinomial naive Bayes,EF-MNB),基于多项式模型构造了N个类的分布,利用类特定特征选择算法得到第N个类的特征子集及对应类的特征概率密度函数(probability den-sity function,PDF),通过指数分布族构造了N个类的原始PDF估计表达式,给定N个类的训练集,得到了第N个类的最优PDF估计,并基于贝叶斯定理制定了分类规则.仿真结果表明,与基于文档主题生成模型和支持向量机(latent dirichlet allocation-support vector machine,LDA-SVM)的层次分析分类算法、改进的超球支持向量机(improved hyper-sphere support vector machine,IHS-SVM)文本分类算法和基于主成份分析和k最近邻(principal component a-nalysis-k-nearest-neighbor,PCA-KNN)混合分类算法相比,EF-MNB类特定分类算法使用少量的时间就可获得更高分类准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘云	昆明理工大学信息工程与自动化学院	73	209	7.0	10.0
2	黄荣乘	昆明理工大学信息工程与自动化学院	3	4	1.0	2.0