[发明专利]一种基于文档长度的实例加权方法及文本分类方法

摘要

本发明提供了一种基于文档长度的实例加权方法，首先计算每个训练实例的文档长度，然后利用文档长度计算各个训练实例的权值。本发明同时提供了依托于该基于文档长度的实例加权方法的多项式朴素贝叶斯文本分类方法、依托于该基于文档长度的实例加权方法的补集朴素贝叶斯文本分类方法，以及依托于该基于文档长度的实例加权方法的多项式与补集相结合的朴素贝叶斯文本分类方法。本发明改善了现有朴素贝叶斯文本分类器的分类精度，同时维持了现有朴素贝叶斯文本分类器的简洁性和时间复杂度。

主权项

1.一种基于文档长度的实例加权方法，其特征在于包括以下步骤：(1)对于一个已知的训练文档集D，训练文档集D中的任意一篇文档d表示为单词向量形式d＝＜w1,w2,...wm＞，其中wi为文档d中的第i个单词，m为文档d的词库的大小，即文档d中所有不同单词的数目；训练文档集D中的一个文档即一个实例；利用以下公式计算该训练文档集D中各个文档的长度：其中，dlj表示D中第j篇文档的长度，fji是第j篇文档中单词wi的频率；(2)通过以下公式计算训练文档集D中各个文档的权值：其中，Wj表示第j篇文档的权值，dlmax表示训练文档集D中所有文档长度的最大值。