基于朴素贝叶斯分类器的中文论文自动分类算法  

作　　者：廖兴思 

机构地区：[1]上海师范大学天华学院,上海201815

出　　处：《中国新技术新产品》2024年第24期46-49,共4页New Technology & New Products of China

摘　　要：本文针对人工分类论文准确性、一致性较低,并且时间、精力耗费较大等问题,提出一种基于朴素贝叶斯分类器的中文论文自动分类算法。该算法根据TF-IDF值,从论文的标题、关键词、摘要和刊名中提取特征词,构建论文特征词向量,将其作为朴素贝叶斯分类器的分类依据。并假设论文特征相互独立,降低了算法复杂度和模型训练难度,能够获得较高的分类正确率。试验结果表明,该算法的分类正确率在83%以上,具有较高的准确性和一致性,能够有效辅助人工进行论文分类工作。

关 键 词：朴素贝叶斯分类器 期刊分类 自动分类 

分 类 号：TP182[自动化与计算机技术—控制理论与控制工程]