基于分布式框架下的中文文本特征分类

• 作者: 宗彩乐 张慧芳 张晓琳
• 来源期刊: 电脑与电信
• 学科: 工学
• 关键词: TNBIF 模型 海量数据集 Spark 特征分类 并行分类
• 年，卷（期）: 2019,（5）
• 所属期刊栏目: 基金项目
• 页码范围: 1-7
• 页数: 7页
• 分类号: TP391.1
• 字数: 5023字
• 语种: 中文

摘要

研究运用复旦中文文本及搜狗中文文档作为研究对象,提高了中文文本分类精确度及召回率,分析得出特征词的最佳贡献值.应用朴素贝叶斯分类方法和改进的TFIDF关键字提取及权重计算,提出TNBIF模型分类方法,在Spark平台上并行分类实现.实验结果表明:应用TNBIF模型实行中文文本分类,精确度高达95.49％,比传统文本分类方法精确度提高5.41％,召回率提高了6.64％.本研究得出最佳贡献值为0.95.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张晓琳	内蒙古科技大学信息工程学院	118	423	10.0	15.0
2	宗彩乐		2	1	1.0	1.0
3	张慧芳	内蒙古科技大学信息工程学院	3	3	1.0	1.0