基于稀疏貝葉斯模型的文本分類(lèi)方案研究

《基于稀疏貝葉斯模型的文本分類(lèi)方案研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。

1、ｒ瞧＇誦１．隱．＇‘＾－＇＂．．巧＇：；＾＼中：杳：．巧讀．＇’．ｕ’井中＇、八＇少ｒ詰．＇分類(lèi)號(hào)‘：１０１６５Ｃ學(xué)校代碼；於山ｖ：：：密級(jí)：：ｎ子學(xué)號(hào)：２０１２１１０００７１９＇，‘、—ｖ、一、＇ｍ遠(yuǎn)掌卽範(fàn)乂學(xué)蒙Ｉｐ碩±學(xué)位論文、’＇■．．：：Ｗ觀！纖：：、刻－．麵臺(tái)：參嚇、獨(dú)確皂于稀疏貝葉斯模型的女本分類(lèi)方案研究、、－’．４－．、？：．，、．ｉ．：作者姓名燕榮江滿：：＇’、皆’、．－．一．＾、－：托．ｉｙ學(xué)科計(jì)算數(shù)學(xué)．、

2、專(zhuān)業(yè)；、占，壤研究方向：計(jì)算機(jī)輔助幾何設(shè)計(jì)．－一丫－苗紫黃，試導(dǎo)師姓名：彭興薇副教授：，－？＇ＩＩ＇Ｉ；巧‘．振為冉芭心、誦午。４月讀擊躁ｒ；．＇臟麵？絮、在鴻騎沒(méi)做ｃ讀＾ＨＢＨ，如＇＇儀輸Ｉｌｆ屬謹(jǐn)１１漏國(guó)學(xué)位論文獨(dú)創(chuàng)住聲明本人承諾：所呈交的學(xué)位論文是本人在導(dǎo)師指導(dǎo)下所取得的研究成果。論丈中除恃別加ｔＪｌ標(biāo)注和致謝的地方外，不包含他人和其他機(jī)構(gòu)己經(jīng)撰寫(xiě)或發(fā)表過(guò)的研巧成果，其他同志的研究成果對(duì)本人的啟示和所提供的幫助，均已在論文中做了明確的聲明并表示謝意。學(xué)位論文作者

3、笠名；學(xué)位論文版權(quán)的使用授權(quán)書(shū)本學(xué)位論文作者完全了解狂寧師范大學(xué)有關(guān)保留、使用學(xué)位論文的規(guī)定，及學(xué)校有權(quán)江保留并向國(guó)家有關(guān)部口或機(jī)構(gòu)送交復(fù)印件或磁盤(pán)，允許論文被査閱和借閱。本文授權(quán)寧師范大學(xué)，可Ｗ將學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫(kù)并進(jìn)行檢索，可采用影印、縮印或掃描等復(fù)制手段保存、匯編學(xué)位論文，并且本人電子文檔的內(nèi)容和紙質(zhì)一論文的內(nèi)容相致。保密的學(xué)位論文在解密后使用本授權(quán)書(shū)。．／學(xué)位論文作者簽名；若指導(dǎo)教師簽名：ｒ、從、韋簽名日期：年Ｊ：月；４巧分類(lèi)號(hào)：學(xué)校代碼：10165密級(jí)：學(xué)號(hào)：201

4、211000719碩士學(xué)位論文基于稀疏貝葉斯模型的文本分類(lèi)方案研究作者姓名：燕榮江學(xué)科、專(zhuān)業(yè)：計(jì)算數(shù)學(xué)研究方向：計(jì)算機(jī)輔助幾何設(shè)計(jì)導(dǎo)師姓名：彭興璇2016年04月遼寧師范大學(xué)碩士學(xué)位論文摘要文本分類(lèi)是按照一定的分類(lèi)標(biāo)準(zhǔn)進(jìn)行自動(dòng)的標(biāo)記分類(lèi)的。這種智能化的分類(lèi)使得我們無(wú)需通過(guò)文本的表達(dá)等信息，就能從中得知后面的文本是否是自己所需要的。文本分類(lèi)一般包括文本的表達(dá)、分類(lèi)器的選擇、分類(lèi)結(jié)果的評(píng)價(jià)和反饋等過(guò)程。隨著網(wǎng)絡(luò)技術(shù)的發(fā)展，自動(dòng)文本成為行業(yè)先驅(qū)以及各種智能化、個(gè)性化的搜索引擎，并且在許多領(lǐng)域獨(dú)領(lǐng)風(fēng)騷。文章不僅對(duì)部分特征提取的工作做了細(xì)化，還對(duì)

5、各種算法和一些基本概念以及分類(lèi)器的選擇作出了說(shuō)明，并對(duì)文本分類(lèi)的問(wèn)題進(jìn)行了剖析并說(shuō)明其優(yōu)缺點(diǎn)，以及如何更好的應(yīng)用它們。其次，針對(duì)各種算法存在的弊端提出了稀疏貝葉斯概率模型，使其能夠更好的適應(yīng)文本分類(lèi)的需要，并完善相關(guān)的技術(shù)。再次，通過(guò)判斷收縮因子的類(lèi)密度以及相關(guān)的性質(zhì)，給出了必要的證明和解釋。稀疏貝葉斯概率模型大大提升了文本分類(lèi)的準(zhǔn)確度，使人力成本大幅降低。我們還利用了統(tǒng)計(jì)學(xué)習(xí)的辦法，對(duì)分類(lèi)器進(jìn)行了有效的分類(lèi)，最后對(duì)各類(lèi)分類(lèi)器的優(yōu)缺點(diǎn)進(jìn)行了評(píng)價(jià)，指明了模型的用途和相應(yīng)的局限性?，F(xiàn)今，統(tǒng)計(jì)方法已成為文本分類(lèi)領(lǐng)域的主要方法以及明確的標(biāo)準(zhǔn)，這

6、樣應(yīng)用起來(lái)更加的得心應(yīng)手。我們采用的稀疏貝葉斯模型不僅降低了文本分類(lèi)的計(jì)算量，還提高了文本分類(lèi)的速度。我們的實(shí)驗(yàn)結(jié)果表明，稀疏貝葉斯模型在大數(shù)據(jù)方面優(yōu)于傳統(tǒng)的模型的算法，不僅有效的提高了查重率和分類(lèi)速度，還更好的實(shí)現(xiàn)面向?qū)ο蟮臏?zhǔn)確率。關(guān)鍵詞:文本分類(lèi)；稀疏貝葉斯；權(quán)重；特征選擇；算法；向量空間模型-I-基于稀疏貝葉斯模型的文本分類(lèi)方案研究SPARSEBAYESIANMODELBASEDONTEXTCLASSFICATIONAbstractTextclassificationisautomaticallysignedandclassifi

7、edaccordingtocertainclassificationstandards.Thisintelligentclassificationmakesusbeabletoknowwhetherthesubsequenttextisneededbyuswithouttheexpressionoftextandotherinformation.Textclassificationgenerallyincludestextexpression,categorizationclassifierselection,evaluationand

8、feedbackofclassificationresults,etc.Withthedevelopmentofnetworktechnology,automatictextbecametheindustr