基于文本过滤的贝叶斯分类算法的改进

摘要：

针对传统贝叶斯分类算法无法满足复杂网络文本过滤需求,提出一种多词-贝叶斯分类算法(Multi Word-Bayes,MWB).该算法一方面引入了特征权重(Term Frequency-Inverse Document Frequency,TF-IDF)的计算思想,优化了传统贝叶斯分类算法只考虑词频不考虑文本间关系的问题;另一方面将词与词间的关系作为文本分类的重要参考项,克服了传统贝叶斯分类算法在分类器训练上对语义分析的忽视.实验结果表明,MWB在垃圾文本过滤上具有更好的分类性能.

关键词：贝叶斯分类算法、TF-IDF、语义分析、文本过滤

分类号：TP311(计算技术、计算机技术)

在线出版日期：2016-11-11（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：100-103,108