基于Adaboost与朴素贝叶斯的农业短文本信息分类

摘要

朴素贝叶斯分类器过分依赖分类数据的质量,当待分类数据呈现复杂多元属性时,其分类的效果急剧下降,利用adaboost算法组合多个朴素贝叶斯分类器设计A_B模型.将3600份原始数据经过中文分词、句法分析、文本向量化后将A_B模型训练成一个A_B分类器.解决了分类器对于待分类数据敏感的问题,两个A_B分类器协同工作将二分类器转换为三分类器,解决了将原始农业文本信息分为农业新闻类,农业技术类,农业经济类三种类型的问题.分别利用600份标准数据与加了30％干扰信息的复杂数据测试分类器的分类效果,实验结果表明A_B分类器不仅对标准分类数据具有良好的分类效果,面对复杂多元的分类数据是仍然表现出较好的分类性能.利用不同的测试数据对A_B分类器测试发现:A_B分类器均具有良好的收敛性,其分类效果不依赖分类数据特征,具有分类效果的稳定性.