论文部分内容阅读
Naive Bayesian分类器是一种有效的文本分类方法，但由于具有较强的稳定性，很难通过Boosting机制提高其性能。因此用Naive Bayesian分类器作为Boosting的基分类器需要解决的最大问题，就是如何破坏Naive Bayesian分类器的稳定性。提出了3种破坏Naive Bayesian学习器稳定性的方法。第一种方法改变训练集样本，第二种方法采用随机属性选择社团，第三种方法是在Boosting的每次迭代中利用不同的文本特征提取方法建立不同的特征词集。实验表明，这几种方法各有其优缺点