基于逆向词频的贝叶斯文本分类器

摘要

本发明提供一种基于逆向词频的贝叶斯文本分类器，以单词的逆向词频作为单词的区分度，加权单词在不同类别中频率得到单词的综合先验概率；根据贝叶斯定理，由先验概率求得这些单词属于不同类别的后验概率，选择最大后验概率值的分类以达到分类的目的。本发明的基于逆向词频的贝叶斯文本分类器和现有技术相比，我们首先假设各个单词出现的概率相互独立，根据训练数据集估计出各个单词的先验概率，由此计算出在测试文档中出现的各个单词之后，属于不同类别分档的后验概率。我们依据最大后验概率值，将文档分类到具体的类别中，本发明具有设计合理、结构简单、使用方便等特点，因而，具有很好的使用价值。

主权项

基于逆向词频的贝叶斯文本分类器，其特征在于以单词的逆向词频作为单词的区分度，加权单词在不同类别中频率得到单词的综合先验概率；根据贝叶斯定理，由先验概率求得这些单词属于不同类别的后验概率，选择最大后验概率值的分类以达到分类的目的；主要考虑该单词在所有文档中出现的次数和该单词在本文档中出现的次数两个方面；而根据大数定律，单词先验概率值以单词在该分类中频率来表示，而我们考虑了不同单词的区分度，换句话说此时得到的先验概率不是纯粹代表了该单词在该分类中出现的概率，而是代表了该分类中出现该单词的综合先验概率。