




已閱讀5頁(yè),還剩2頁(yè)未讀, 繼續(xù)免費(fèi)閱讀
版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
naive貝葉斯文本分類,魏源 計(jì)科十班,樸素貝葉斯具有容易實(shí)現(xiàn),運(yùn)行速度快的特點(diǎn),被廣泛使用,樸素貝葉斯算法簡(jiǎn)介,在分類(classification)問(wèn)題中,常常需要把一個(gè)事物分到某個(gè)類別。一個(gè)事物具有很多屬性,把它的眾多屬性看做一個(gè)向量,即x=(x1,x2,x3,xn),用x這個(gè)向量來(lái)代表這個(gè)事物。 有類別集合 y=(y1,y2,y3,yn) 分別計(jì)算 p(y1|x) p(y2|x) p(y3|x) p(yn|x), 如果p(yk|x) =max p(y1|x) p(y2|x) p(y3|x) p(yn|x) , x就屬于yk類。,如何計(jì)算 p(yk|x) 方法:運(yùn)用貝葉斯公式 p(yk|x)=p(x|yK)*p(yk)/p(x) 在之前已介紹x=(x1,x2,x3,xn),樸素貝葉斯假設(shè) x1,x2,x3,xn 是相互獨(dú)立的(樸素貝葉斯存在的bug) 則有 p( x | yk ) = p( x1,x2,x3,xn|yk ) = p( x1 | yk ) *p( x2 | yk ) . *p( xn | yk ) (1) (1)式中等式最右邊部分的各項(xiàng)是可以通過(guò)統(tǒng)計(jì)得到的, p(yk)和p(x)也是已知的,這樣我們就可以算出p(yk|x),現(xiàn)在開(kāi)始進(jìn)入本文的主旨部分:如何將貝葉斯分類器應(yīng)用到語(yǔ)義消歧文本分類上來(lái)。 1 在文本分類中,假設(shè)我們有一個(gè)文檔d 和一個(gè)固定的 類集合C=c1,c2,cj 2 我們把一堆打了標(biāo)簽的文檔集合作為訓(xùn)練樣本,比如 就是說(shuō)文本 “hello world” 的類型標(biāo)簽是computer 3 通過(guò)訓(xùn)練樣本來(lái)得到一個(gè)映射函數(shù),可以把文本x映射到類型ck中,計(jì)算映射函數(shù)的多項(xiàng)式模型 設(shè)某文檔d=(t1,t2,tk),tk是該文檔中出現(xiàn)過(guò)的單詞 ,允許重復(fù) 先驗(yàn)概率P(c)= 類c下單詞總數(shù)/整個(gè)訓(xùn)練樣本的單詞總數(shù) 類條件概率P(tk|c)=(類c下單詞tk在各個(gè)文檔中出現(xiàn)過(guò)的次數(shù)之和+1)/ (類c下單詞總數(shù)+|V|) V是訓(xùn)練樣本的單詞表(即抽取單詞,單詞出現(xiàn)多次,只算一個(gè)) |V|則表示訓(xùn)練樣本包含多少種單詞。,演示文本分類 本程序通過(guò)事先從文檔輸入訓(xùn)練集,產(chǎn)生一個(gè)條件概率矩陣,來(lái)指導(dǎo)之后的文本分類。在分類結(jié)果完成后,用戶可以選擇分類是否正確,如果分類正確,新輸入的結(jié)果會(huì)作為新的訓(xùn)練加入訓(xùn)練集(昨
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 人人文庫(kù)網(wǎng)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 高效備考2025年計(jì)算機(jī)二級(jí)MySQL試題及答案
- 投資建設(shè)合同補(bǔ)充協(xié)議書(shū)
- 計(jì)算機(jī)二級(jí)JAVA基礎(chǔ)知識(shí)點(diǎn)試題及答案
- 2025年C語(yǔ)言考試預(yù)測(cè)題試題及答案
- 藥店入股協(xié)議書(shū)范本合同
- 人教版四年級(jí)下冊(cè)期末考試語(yǔ)文試卷
- 電梯后期維修合同協(xié)議書(shū)
- 從容應(yīng)對(duì)2025年計(jì)算機(jī)二級(jí)VFP試題及答案
- 校車購(gòu)買合同協(xié)議書(shū)模板
- 計(jì)算機(jī)一級(jí)WPS統(tǒng)計(jì)報(bào)表制作試題及答案
- 市政道路雨、污水管道工程施工技術(shù)(ppt共106)
- 交房流轉(zhuǎn)單(內(nèi)部)
- 石油化工設(shè)備維護(hù)檢修規(guī)程
- 工資調(diào)整單模板
- 中國(guó)各鄉(xiāng)鎮(zhèn)名錄大全、街道名錄大全(甘肅省)
- GB∕T 2518-2019 連續(xù)熱鍍鋅和鋅合金鍍層鋼板及鋼帶
- 安徽省2022年中考地理真題試卷(圖片版含答案)
- 青海省部門統(tǒng)計(jì)數(shù)據(jù)直報(bào)系統(tǒng)
- 常見(jiàn)輸液反應(yīng)及處理
- 大氣商務(wù)勵(lì)志年終工作總結(jié)PPT模板課件
- 10kV及以下架空配電線路設(shè)計(jì)技術(shù)規(guī)程
評(píng)論
0/150
提交評(píng)論