基于增量式贝叶斯模型的中文问句分类研究

摘要：

固定训练集生成的分类器性能不理想且不能跟踪用户需求，为此，提出一种将增量式贝叶斯思想用于问句分类的方法。采用遗传算法选取最优特征子集优化分类器，从而避免训练集特征过分冗余，使分类器在学习过程中动态地扩大训练集并修改分类器参数。在对问句进行分类时，提取问句的疑问词、句法结构、疑问意向词和疑问意向词在知网的首项义原作为分类特征。为了验证增量式贝叶斯方法的有效性，从语料库中随机抽取不同规模的问句构成增量集，基于不同的增量集对同一测试集中的问句进行分类。实验结果表明，增量式贝叶斯分类器较朴素贝叶斯分类器有更高的分类精度，大类和小类的准确率分别达到90．2%和76．3%，在提高准确率的同时优化了运行效率。

关键词：问句分类、问答系统、增量式贝叶斯、朴素贝叶斯、改进贝叶斯、遗传算法

分类号：TP319(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目61003311;安徽高校省级自然科学基金资助项目KJ2011A040。

在线出版日期：2014-09-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：238-242