基于朴素贝叶斯和遗传算法的两类文本分类方法

计算机科学 ›› 2008, Vol. 35 ›› Issue (4): 160-161.

基于朴素贝叶斯和遗传算法的两类文本分类方法

出版日期:2018-11-16 发布日期:2018-11-16
基金资助:
本文受重庆市自然科学基金（2005BA2003,2006BB2374）项目资助.

Online:2018-11-16 Published:2018-11-16

摘要/Abstract

摘要： 本文提出了一种基于朴素贝叶斯和遗传算法的两类文本分类方法，该方法将朴素贝叶斯分类器变换为在二维空间中的一条分割线，在分割线临近的文本分类不可靠区间内，利用遗传算法搜索最优文本分割线，从而使分类器达到最佳性能。在由12600篇文本构成的中文语料数据集上的实验表明，该方法具有较高的分类性能和效率，查准率、查全率和F1值分别达到97．98％，91．05％和94．39％。

关键词: 文本分类遗传算法最优分割线文本二维空间朴素贝叶斯分类器

Abstract: A two-class text categorization method based on Naive Bayes and GA is proposed. It transforms a Naive Bayesian classifier into a problem of search for a division line that fits the text data set distribution in a constructed twodimensional space. A geneti

Key words: Text classification, Genetic algorithm, Optimal dividing line, Text two-dimensional space, Naive Bayesian classifier.

. 基于朴素贝叶斯和遗传算法的两类文本分类方法[J]. 计算机科学, 2008, 35(4): 160-161. https://doi.org/