朴素贝叶斯分类器是一种简单有效的文本分类方法.改进方法利用同义词对文本的特征词集进行过滤,在一定程度上放松了朴素贝叶斯的特征独立性假设;在特征选择时迭代了2种不同的特征选择方法,有效地提高了特征集的代表性.实验结果表明,本方法有效地提高了朴素贝叶斯分类器的性能.
[1] 陆勇, 侯汉清, LU Yong, HOU Han-qing. 用于信息检索的同义词自动识别及其进展 [J]. 南京农业大学学报（社会科学版） 2004.doi:10.3969/j.issn.1671-7465.2004.03.018
[2] 黄萱菁, 吴立德, 石崎洋之. 独立于语种的文本分类方法 [J]. 中文信息学报 2000.doi:10.3969/j.issn.1003-0077.2000.06.001
[3] 陆玉昌, 鲁明羽, 李凡, 周立柱. 向量空间法中单词权重函数的分析和构造 [J]. 计算机研究与发展 2002.
[4] 陈治平, 林亚平, 彭雅, 王雷, 童调生. 基于最小类差异的无关信息预处理算法 [J]. 电子学报 2003.doi:10.3321/j.issn:0372-2112.2003.11.037
[5] 秦进, 陈笑蓉, 汪维家, 陆汝占. 文本分类中的特征抽取 [J]. 计算机应用 2003.
[6] RILOFF E, LEHNERT W. Information Extraction as a Basis for High-Precision Text Classification [J]. ACM TRANSACTIONS ON INFORMATION SYSTEMS 1994, 12(03).
[7] YANG Y M, PEDERSEN J O. A Comparative Study on Feature Selection in Text Categorization [A]. Morgan Kaufmann Publishers Inc 1997.
[8] YANG Y M. Noise Reduction in a Statistical Approach to Text Categorization [A]. Seattle, Washington 1995.
[9] LEWIS D D. Feature Selection and Feature Extraction for Text Categorization [A]. San Mateo 1992.
[10] CHURCH K W, HANKS P. Words association norms, mutual information, and lexicography [J]. COMPUTATIONAL LINGUISTICS 1990, 16(01).
[11] DUNNING T E. Accurate methods for the statistics of surprise and coincidence [J]. Computational Linguistics 1993, 19(01).
