基于改进特征加权的朴素贝叶斯分类算法

• 作者: 丁月 汪学明
• 来源期刊: 计算机应用研究
• 关键词: 文本分类 朴素贝叶斯 JS散度 词频 文本频率 类别频率
• 年，卷（期）: 2019,（12）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 3597-3600,3627
• 页数: 5页
• 分类号: TP391.1
• 语种: 中文
• DOI: 10.19734/j.issn.1001-3695.2018.07.0426

摘要

传统朴素贝叶分类算法没有根据特征项的不同对其重要程度进行划分,使得分类结果不准确.针对这一问题,引入Jensen-Shannon(JS)散度,用JS散度来表示特征项所能提供的信息量,并针对JS散度存在的不足,从类别内与类别间的词频、文本频以及用变异系数修正过的逆类别频率这三个方面考虑,对JS散度进行调整修正,最后计算出每一特征项的权值,将权值代入到朴素贝叶斯的公式中.通过与其他算法的对比实验证明,基于JS散度并从词、文本、类别三方面改进后的朴素贝叶斯算法的分类效果最好.因此基于JS散度特征加权的朴素贝叶斯分类算法与其他分类算法相比,其分类性能有很大提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	汪学明	贵州大学计算机科学与技术学院	71	197	7.0	8.0
2	丁月	贵州大学计算机科学与技术学院	2	4	1.0	2.0