邱宁佳，贺金彪，薛丽娇，王 鹏，赵建平

(长春理工大学 计算机科学技术学院，吉林 长春 130022)

0 引 言

数据分析和挖掘已成为文本分类领域内研究的重点。朴素贝叶斯算法进行分类既简单又高效，但由于算法本身的属性条件独立性假设回避了关联关系，使得算法的分类效果有所降低，因此在提高朴素贝叶斯的分类性能问题上大多数学者做了广泛的研究和改进。目前特征处理方面的改进主要有选出最优特征集[1-3]、结合特征选择方法修改权重[4-6]等方法，以提高算法的分类精确度；罗慧钦等在隐朴素贝叶斯模型中加入文本属性的依赖性和独立性约束条件，从而提高了文本情感分类的准确性[7]。此外，针对提取的不同关键特征重要程度的判定问题，一些学者通过构建相应的加权函数计算各特征的不同权值[8-10]，用于区分不同特征类别的贡献度来改善朴素贝叶斯模型的性能。Jiang等提出根据不同类中属性分配特定权重的细粒度加权方法，使模型在分类性能上具有一定优势[11]；Yu和Lee分别使用属性值之间差异计算和KL测度方法，对特征项的权值分配相应权重，显著提高了朴素贝叶斯的性能[12，13]。

上述研究均在不同程度上提高了朴素贝叶斯算法的分类性能，但缺少语义关联性研究方面的探讨，在此基础上本文综合考虑特征处理和属性加权，提出一种融合语义特征的加权朴素贝叶斯分类算法。首先在传统TextRank算法(图模型排序算法)的基础上，将特征间的语义相关性引入到图模型中，通过Google距离求解节点的初始权重。……