云环境下软件错误报告自动分类算法改进

摘要：

用户提交的软件错误报告随意性大、主观性强且内容少导致自动分类正确率不高,需要花费大量人工干预时间.随着互联网的快速发展用户提交的错误报告数量也不断增加,如何在海量数据下提高其自动分类的精确度越来越受到关注.通过改进词频-逆文档频率(TF-IDF),考虑到词条在类间和类内出现情况对文本分类的影响,提出一种基于软件错误报告数据集的改进多项式朴素贝叶斯算法,同时在Hadoop平台下使用MapReduce计算模型实现该算法的分布式版本.实验结果表明,改进的多项式朴素贝叶斯算法将F1值提高到71％,比原算法提高了27个百分点,同时在海量数据下可以通过拓展节点的方式缩短运行时间,有较好的执行效率.

关键词：多项式朴素贝叶斯、错误报告、文本自动分类、词频-逆文档频率、云计算

所属期刊栏目：36

分类号：TP311(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61472082;福建省自然科学基金资助项目2014J01220;the National Natural Science Foundation of China61472082;the Natural Science Foundation of Fujian Province2014J01220

在线出版日期：2016-07-07（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：1212-1215,1221