融合朴素贝叶斯与决策树的用户评论分类算法

摘要

为了实现对用户评论的商业研究价值提取,解决互联网产品后续优化和增进服务问题,提出一种融合朴素贝叶斯与决策树的改进算法,处理文本中的噪声,避免零概率和属性值缺失的问题,从而提高分类准确率.该算法首先对用户评论数据作预处理,然后运用概率优化后的朴素贝叶斯处理空缺属性值,最后用决策树从积极和消极角度将数据进行分类.对微信公众号用户评论数据集进行实验,结果表明改进后的算法准确率达80.27％,比传统方法提高0.5％.