基于泊松分布的加权朴素贝叶斯文本分类算法

• 作者: 王灵矫 赵博文 郭华
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 文本分类 朴素贝叶斯算法 泊松分布 信息增益率 特征词权重
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 人工智能与模式识别
• 页码范围: 91-96
• 页数: 6页
• 分类号: TP391
• 字数: 5405字
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0054056

摘要

朴素贝叶斯(NB)算法应用于文本分类时具有简单性和高效性,但算法中属性独立性与重要性一致的假设,使其在精确度方面存在瓶颈.针对该问题,提出一种基于泊松分布的特征加权NB文本分类算法.结合泊松分布模型和NB算法,将泊松随机变量引入特征词权重,在此基础上定义信息增益率对文本特征词加权,削弱传统算法属性独立性假设造成的影响.在20-newsgroups数据集上的实验结果表明,与传统NB算法及其改进算法RwC-MNB和CFSNB相比,该算法可使文本分类的准确率、召回率和F1值得到提升,并且执行效率高于K-最近邻算法和支持向量机算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王灵矫	湘潭大学信息工程学院	14	34	4.0	5.0
2	郭华	湘潭大学信息工程学院	30	49	4.0	5.0
3	赵博文	湘潭大学信息工程学院	1	2	1.0	1.0