A comparison of event models for naive bayes text classification

计算机科学 人工智能 朴素贝叶斯分类器 困惑 词汇 词(群论) 多项式分布 自然语言处理 伯努利原理 二元分类 概率逻辑 机器学习 语言模型 支持向量机 统计 数学 语言学 哲学 航空航天工程 工程类 几何学
作者
Andrew McCallum,Kamal Nigam
出处
期刊:National Conference on Artificial Intelligence 卷期号:: 41-48 被引量:3023
摘要

Recent work in text classification has used two different first-order probabilistic models for classification, both of which make the naive Bayes assumption. Some use a multi-variate Bernoulli model, that is, a Bayesian Network with no dependencies between words and binary word features (e.g. Larkey and Croft 1996; Koller and Sahami 1997). Others use a multinomial model, that is, a uni-gram language model with integer word counts (e.g. Lewis and Gale 1994; Mitchell 1997). This paper aims to clarify the confusion by describing the differences and details of these two models, and by empirically comparing their classification performance on five text corpora. We find that the multi-variate Bernoulli performs well with small vocabulary sizes, but that the multinomial performs usually performs even better at larger vocabulary sizes--providing on average a 27% reduction in error over the multi-variate Bernoulli model at any vocabulary size.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
MOOTEA发布了新的文献求助10
1秒前
Nole应助罗小罗同学采纳,获得10
2秒前
2秒前
小蘑菇应助zpp采纳,获得10
3秒前
HH完成签到,获得积分10
3秒前
wxy完成签到,获得积分10
3秒前
琪琪格子大王完成签到 ,获得积分10
4秒前
希望天下0贩的0应助高高采纳,获得10
6秒前
脑洞疼应助yi采纳,获得10
6秒前
科研通AI6.3应助小螃蟹采纳,获得10
6秒前
7秒前
殿下发布了新的文献求助10
8秒前
8秒前
8秒前
小黄总完成签到 ,获得积分10
8秒前
脑洞疼应助科研通管家采纳,获得10
10秒前
Kao应助科研通管家采纳,获得10
10秒前
核桃应助科研通管家采纳,获得50
10秒前
10秒前
bkagyin应助科研通管家采纳,获得10
10秒前
天天快乐应助科研通管家采纳,获得10
11秒前
华仔应助科研通管家采纳,获得10
11秒前
SciGPT应助科研通管家采纳,获得10
11秒前
11秒前
Kao应助科研通管家采纳,获得10
11秒前
英姑应助科研通管家采纳,获得10
11秒前
NexusExplorer应助科研通管家采纳,获得20
11秒前
11秒前
隐形曼青应助科研通管家采纳,获得10
11秒前
11秒前
11秒前
12秒前
椎名林檎发布了新的文献求助10
12秒前
小伙子发布了新的文献求助10
12秒前
13秒前
波子汽水发布了新的文献求助10
14秒前
15秒前
不敢自称科研人完成签到,获得积分10
16秒前
niniyiya发布了新的文献求助10
17秒前
勘探队发布了新的文献求助10
17秒前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
《上海印钞厂志》 2000
2026年中国辛酸癸酸聚乙二醇甘油酯行业市场现状调查及投资机会研判报告 1000
2026年中国辛酸癸酸聚乙二醇甘油酯行业市场规模及竞争格局分析报告 1000
模型平均及其应用 900
Fundamentals of Pharmaceutical and Biologics Regulations: A Global Perspective, Second Edition 700
作者名:Kristopher P. Plain,悉尼大学的,目前只能查到其四篇论文,想找到其博士论文 550
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 工程类 有机化学 化学工程 生物化学 计算机科学 内科学 物理 复合材料 催化作用 细胞生物学 无机化学 光电子学 物理化学 电极 基因
热门帖子
关注 科研通微信公众号,转发送积分 7337662
求助须知:如何正确求助?哪些是违规求助? 8951175
关于积分的说明 18996856
捐赠科研通 6990588
什么是DOI,文献DOI怎么找? 3218203
关于科研通互助平台的介绍 2383941
邀请新用户注册赠送积分活动 2198157