一种基于Bernoulli混合模型的不完整数据文本分类方法

计算机应用

一种基于Bernoulli混合模型的不完整数据文本分类方法

蔡崇超王士同

江苏省无锡市江南大学信息工程学院 05级硕士江苏省无锡市江南大学信息工程学院

收稿日期:2006-11-28 修回日期:2007-01-21 出版日期:2007-05-01 发布日期:2007-05-01
通讯作者: 蔡崇超

Classification text with incomplete data based on Bernoulli mixture mode

CAI Chong-Chao CAI WANG Shi-Tong WANG

Received:2006-11-28 Revised:2007-01-21 Online:2007-05-01 Published:2007-05-01
Contact: CAI Chong-Chao CAI

摘要/Abstract

摘要： 在Bernoulli混合模型和期望最大化(EM)算法的基础上给出了一种基于不完整数据的改进方法。首先在已标记数据的基础上通过Bernoulli混合模型和朴素贝叶斯算法得到似然函数参数估计初始值，然后利用含有权值的EM算法对分类器的先验概率模型进行参数估计，得到最终的分类器。实验结果表明，该方法在准确率和查全率方面要优于朴素贝叶斯文本分类。

关键词: 不完整数据集, 文本分类, 朴素贝叶斯分类, Bernoulli混合模型, EM算法

Abstract: It is an important issue to construct the text classification with incomplete data. An improved method that based on Bernoulli Mixture Model and Expectation Maximization(EM) algorithm was introduced. Based on Bernoulli Mixture Model and EM algorithm, by learning the labeled data, the initial value of likelihood function parameter was obtained first. Then the parameter estimate of prior probability model on the classifier with EM algorithm including weight was presented. Finally we got the improved classifier. The results show that our new method is better than the nave bayes text classification in the recall and precision.

Key words: incomplete data, text classification, naive bayes classification, Bernoulli mixture model, EM algorithm

蔡崇超王士同. 一种基于Bernoulli混合模型的不完整数据文本分类方法[J]. 计算机应用.

CAI Chong-Chao CAI WANG Shi-Tong WANG. Classification text with incomplete data based on Bernoulli mixture mode[J]. Journal of Computer Applications.

[1]	张洋, 江铭虎. 基于注意力机制的文本作者识别[J]. 计算机应用, 2021, 41(7): 1897-1901.
[2]	温超东, 曾诚, 任俊伟, 张. 结合ALBERT和双向门控循环单元的专利文本分类[J]. 计算机应用, 2021, 41(2): 407-412.
[3]	尹春勇, 何苗. 基于改进胶囊网络的文本分类[J]. 计算机应用, 2020, 40(9): 2525-2530.
[4]	廖胜兰, 殷实, 陈小平, 张波, 欧阳昱, 张衡. 面向电力业务对话系统的意图识别数据集[J]. 计算机应用, 2020, 40(9): 2549-2554.
[5]	王敏蕊, 高曙, 袁自勇, 袁蕾. 基于动态路由序列生成模型的多标签文本分类方法[J]. 计算机应用, 2020, 40(7): 1884-1890.
[6]	吴崇数, 林霖, 薛蕴菁, 时鹏. 基于自监督学习的病理图像层次分割[J]. 计算机应用, 2020, 40(6): 1856-1862.
[7]	李鸣, 郭晨皓, 陈星. 视觉类深度神经网络的自动标注[J]. 计算机应用, 2020, 40(6): 1593-1600.
[8]	王留洋, 俞扬信, 陈伯伦, 章慧. 基于共识和分类改善文档聚类的识别信息方法[J]. 计算机应用, 2020, 40(4): 1069-1073.
[9]	张小川, 戴旭尧, 刘璐, 冯天硕. 融合多头自注意力机制的中文短文本分类模型[J]. 计算机应用, 2020, 40(12): 3485-3489.
[10]	赵光华, 赖见辉, 陈艳艳, 孙浩冬, 张野. 基于朴素贝叶斯分类的居民出行起讫点识别方法[J]. 计算机应用, 2020, 40(1): 36-42.
[11]	马建刚, 马应龙. 语义驱动的司法文档学习分类方法[J]. 计算机应用, 2019, 39(6): 1696-1700.
[12]	马建刚, 张鹏, 马应龙. 基于知识块摘要和词转移距离的高效司法文档分类[J]. 计算机应用, 2019, 39(5): 1293-1298.
[13]	邱宁佳, 丛琳, 周思丞, 王鹏, 李岩芳. 结合改进主动学习的SVD-CNN弹幕文本分类算法[J]. 计算机应用, 2019, 39(3): 644-650.
[14]	唐小川, 邱曦伟, 罗亮. 基于交互作用的文本分类特征选择算法[J]. 计算机应用, 2018, 38(7): 1857-1861.
[15]	卢玲, 杨武, 王远伦, 雷子鉴, 李莹. 结合注意力机制的长文本分类方法[J]. 计算机应用, 2018, 38(5): 1272-1277.