-
题名基于改进的加权补集朴素贝叶斯物流新闻分类
被引量：7
- 1
-
-
作者
许英姿
任俊玲
-
机构
北京信息科技大学信息管理学院
-
出处
《计算机工程与设计》
北大核心
2022年第1期179-185,共7页
-
基金
国家重点研发计划基金项目(2019YFB1405003)。
-
文摘
针对物流新闻类别分布不均衡,分类器容易倾向大类别而忽略小类别的问题,提出基于加权补集的朴素贝叶斯分类模型。构建物流新闻语料库,结合卡方检验进行特征选择,基于局部、全局和类内、类间的思想,分析并改进传统特征加权算法,设计适用于类别分布不均衡物流新闻的加权补集朴素贝叶斯模型。实验结果表明,相较传统分类方法,加权补集朴素贝叶斯模型能有效解决物流新闻文本不均衡情况下的分类问题,快速准确地对物流新闻进行分类。
-
关键词
朴素贝叶斯
不均衡样本
补集
物流新闻
文本分类
特征加权
-
Keywords
Naive Bayes
imbalanced sample
complement
logistics news
text classification
feature weighting
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
