一种基于Agent-NB的文本分类模型和算法 (2011年)

针对基于内容的文本分类问题,提出了一种Agent与朴素贝叶斯分类(NaiveBayes)相融合的反馈分类模型和算法(Agent-NB)。朴素贝叶斯分类是一种简单而有效的文本分类方法,然而有限大小的训练样本集,一般不具备良好的数据完备性,难以一次性构造出高性能的分类模型基于Agent-NB的反馈分类模型,可结合Agent的智能特性,通过反馈学习过程,动态调整相应参数,使朴素贝叶斯分类模型不断逼近其理想模型,从而提高分类器的性能。实验结果表明,提出的Agent-NB分类方法,分类效果明显增强,召回率、准确率和