摘要
目前对以朴素贝叶斯算法为代表的文本分类算法,普遍存在特征权重一致,考虑指标单一等问题.为了解决这个问题,提出了一种基于TF-IDF的朴素贝叶斯改进算法TF-IDF-DL朴素贝叶斯算法.该算法以TF-IDF为基础,引入去中心化词频因子和特征词位置因子以加强特征权重的准确性.为了验证该算法的效果,采用了搜狗实验室的搜狗新闻数据集进行实验,实验结果表明,在朴素贝叶斯分类算法中引入TF-IDF-DL算法,能够使该算法在进行文本分类中的准确率、召回率和F1值都有较好的表现,相比国内同类研究TF-IDF-dist贝叶斯方案,分类准确率提高8.6％,召回率提高11.7％,F1值提高7.4％.因此该算法能较好地提高分类性能,并且对不易区分的类别也能在一定程度上达到良好的分类效果.
国家科技期刊平台
NSTL
维普
万方数据