[发明专利]一种基于朴素贝叶斯的文本分类方法

摘要

本发明公开了一种基于朴素贝叶斯的文本分类方法，包括：步骤1：将待分类文本利用分词工具形成特征向量，将特征向量与常用词进行比较，去掉待分类文本中无意义的词语；对待分类文本中出现的每一个单词si进行权重wi设置；得到P(w1,...,wn)在训练文本集Di中出现的概率集Q(w1,...,wn)；将Q(w1,...,wn)中属性相乘得到P(w1,...,wn)在训练文本集Di中出现的先验概率P(w|Di)；步骤3：训练文本集Di中的文件数量除以整个训练文本集的总数得到先验概率P(Di)，P(Di)*P(x|Di)得到P(w1,...,wn)在训练文本集Di中的后验概率P(Di|w)，步骤4：重复步骤2、3，计算出所有后验概率；步骤5：在步骤4的结果中比较出最大的后验概率P(Di)，Di类为P(w1,...,wn)所属类别，本方法的性能更好，在电力用户诉求文本分类问题中具备很好的实践应用价值。

主权项

一种基于朴素贝叶斯的文本分类方法，其特征在于，所述方法包括：步骤1：将待分类文本利用分词工具形成特征向量，将特征向量与常用词进行比较，去掉待分类文本中无意义的词语；对待分类文本中出现的每一个单词si进行权重wi设置；步骤2：通过对P(w1,...,wn)属性w1,...,wn在训练文本集Di中进行查找，计算出P(w1,...,wn)在训练文本集Di中出现的次数集N(y1,...yn)，N(y1,...yn)属性除以训练文本集Di中经过剔除无意义词预处理之后关键字的总数量，得到P(w1,...,wn)在训练文本集Di中出现的概率集Q(w1,...,wn)；将Q(w1,...,wn)中属性相乘得到P(w1,...,wn)在训练文本集Di中出现的先验概率P(w|Di)，P(w1,...,wn)为：待分类文本，wn为：文本P(w1,...,wn中的属性，yn为：属性wn在训练文本集Di中出现的次数；步骤3：训练文本集Di中的文件数量除以整个训练文本集的总数得到先验概率P(Di)，P(Di)*P(x|Di)得到P(w1,...,wn)在训练文本集Di中的后验概率P(Di|w)，P(x|Di)为：Di发生时x发生的概率；步骤4：重复步骤2、3，计算出所有后验概率；步骤5：在步骤4的结果中比较出最大的后验概率P(Di)，Di类为P(w1,...,wn)所属类别。