[發(fā)明專利]一種基于樸素貝葉斯模型的文本分類方法

在審

• 申請?zhí)枺?/td>: 201910547226.6
• 申請日: 2019-06-24
• 公開（公告）號: CN110442709A
• 公開（公告）日: 2019-11-12
• 發(fā)明（設(shè)計(jì)）人: 肖清林
• 申請（專利權(quán)）人: 廈門美域中央信息科技有限公司
• 主分類號: G06F16/35
• 分類號: G06F16/35;G06K9/62
• 代理公司: 北京勁創(chuàng)知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11589
• 代理人: 王志敏

1.一種基于樸素貝葉斯模型的文本分類方法，其特征在于，方法步驟包括：

S1、收集樣本數(shù)據(jù)，構(gòu)建訓(xùn)練集和驗(yàn)證集；

S2、選出常見的信息關(guān)鍵詞，確定特征屬性；

以黨員的性別、年齡、工作時間、工作崗位為特征屬性；

S3、建立樸素貝葉斯模型；

S4、利用訓(xùn)練集對樸素貝葉斯模型進(jìn)行訓(xùn)練；

根據(jù)確定的特征屬性，其中性別記為x1，年齡記為x2，工作時間記為x3，工作崗位記為x3；X代表文本，記為X＝(x1，x2，x3)；用Y表示類別，記為Y＝(c1，c2，c3...cm)；計(jì)算并收集每個文本所有屬性的聯(lián)合概率；

S5、利用驗(yàn)證集對訓(xùn)練結(jié)果進(jìn)行驗(yàn)證，并校正完善；

S6、模型應(yīng)用；

計(jì)算待分類文本中的所有P(Y/X)，其中P(Y/X)最大項(xiàng)對應(yīng)的類別Y，即為文本的分類。

2.根據(jù)權(quán)利要求1所述的一種基于樸素貝葉斯模型的文本分類方法，其特征在于，在S1中，采用十折交叉驗(yàn)證方法，每次選取9份文本作為訓(xùn)練集，1份文本作為驗(yàn)證集。

3.根據(jù)權(quán)利要求1所述的一種基于樸素貝葉斯模型的文本分類方法，其特征在于，在S4中，每個文本所有屬性的聯(lián)合概率計(jì)算方法為：

其中P(Y/X)為Y的后驗(yàn)概率，P(Y)為Y的先驗(yàn)概率,P(X)表示特征概率P(X/Y)表示Y類別中X的特征概率。

4.根據(jù)權(quán)利要求1所述的一種基于樸素貝葉斯模型的文本分類方法，其特征在于，在S7中，模型判斷的準(zhǔn)則為：