曾谁飞，张笑燕，杜晓峰，陆天波

（1. 北京邮电大学软件学院，北京 100876；2. 北京邮电大学计算机学院，北京 100876）

改进的朴素贝叶斯增量算法研究

曾谁飞1，张笑燕1，杜晓峰2，陆天波1

（1. 北京邮电大学软件学院，北京 100876；2. 北京邮电大学计算机学院，北京 100876）

提出了一种新增特征的朴素贝叶斯增量算法。在无标注语料增量样本的选择上，借助传统的类置信度阈值，构建一个最小后验概率作为样本选择的双阈值，当识别到增量语料中有新的特征时，会将该特征加入到特征空间，并对分类器进行相应的更新，发现对类置信度阈值起到很好的补充作用，最后利用了无标注和有标注语料验证所提算法。实验结果表明，改进的朴素贝叶斯增量算法较传统增量算法表现出了更优的增量学习效果。

朴素贝叶斯；增量算法；特征空间；评价指标

1 引言

伴随人工智能技术的快速发展，市场对智能机器人的热度持续升温，谷歌阿尔法狗大战、苹果Siri、IBM waston等更加推动了这一产业的深度发展，目前，市场上出现了各种各样的智能机器人。

智能机器人一方面给人们生活带来巨大的便利，另一方面也引出了一些新的技术课题，如问答系统、对话系统对文本分类算法。使用文本分类技术，能对大规模的文本信息进行处理，方便计算机对这些信息的学习。在文本分类算法中，朴素贝叶斯算法是经典的文本分类算法之一[1]，近来，对朴素贝叶斯算法的研究热度不减，如 Escalante等[2]将增量朴素贝叶斯算法应用到视频的手势识别中，取得了较不错的效果；……