基于贝叶斯决策的极短文本分类模型

作     者：张德成 王杨 赵传信 甄磊 李昌 ZHANG Decheng;WANG Yang;ZHAO Chuanxin;ZHEN Lei;LI Chang

作者机构：蚌埠医学院公共基础学院安徽蚌埠233000 安徽师范大学数学计算机科学学院安徽芜湖241000 

基　　金：国家自然科学基金项目"面向信息物理融合的可重塑异元嵌入式组件协同建模与验证方法"(61572036) 安徽省高校优秀青年人才基金项目"教学型PACS系统关键技术研究"(2009SQRZ127) 安徽省自然科学基金项目"面向领域知识图谱构建的隐式文本知识获取及其应用研究"(1808085MF178) 安徽省社科规划项目"‘一带一路’背景下安徽省优势产能云服务推荐方法及应用研究"(AHSKY2017D42) 蚌埠医学院科研基金项目"基于B/S架构PACS的设计研究"(BY0839) 

出 版 物：《重庆科技学院学报（自然科学版）》 (Journal of Chongqing University of Science and Technology：Natural Sciences Edition)

年 卷 期：2018年第20卷第4期

页      码：82-85页

摘      要：为了有效提取极短文本中的关键特征信息,提出一种基于贝叶斯决策的极短文本分类模型。首先对原数据进行数据清洗并利用Jieba分词对清洗过的数据进行处理;然后利用Kettle工具提取分类所需关键词,并将处理后的数据存入数据库;最后利用贝叶斯决策对极短文本进行分类。通过(1-0)检验,验证模型的有效性。以一批极短文本数据作为样本进行实验,结果显示出该方法能够有效提高匹配效率,误分度与精确度指标的匹配结果更加均衡。

主 题 词：Jieba分词 Kettle工具 极短文本分类 贝叶斯分类 

学科分类：081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

D　O　I：10.3969/j.issn.1673-1980.2018.04.019

馆 藏 号：203328809...