基于神经网络与贝叶斯的混合文本分类研究

采用向量空间模型（VSM）描述文本,利用隐性语义索引（LSI）R术进行特征重构与降维,构造了BP神经网络文本分类器。将朴素贝叶斯分类技术与前者结合构造了一种混合文本分类器。实验结果表明混合分类器分类准确度和分类速度得到提高。     

基于贝叶斯正则化BP神经网络的上市公司信用评价研究

在神经网络训练中引入贝叶斯正则化以提高模型的推广能力。通过与未使用提高推广能力方法和使用提前停止法两种情况进行比较,表明基于贝叶斯正则化的BP神经网络模型在上市公司信用评价中的推广能力有显著的提高。     

基于权重的朴素贝叶斯分类器设计与实现

贝叶斯分类器可以归结为求词条的先验概率,目前分类器中普遍使用词条的文档出现次数和词频来计算先验概率.本文提出了一种基于权重的朴素贝叶斯分类器,不仅改进了文本中词条的先验概率计算方式,并增加了词条的权重对计算的影响.该分类器使用TFIDF模型及其改进算法实现了分类器的设计.实验结果表明,该分类器的效果比传统算法有较大的改进.     

基于朴素贝叶斯分类的可疑金融交易识别研究

随着我国反洗钱活动中大额与可疑交易报告制度的不断完善，面对不断增长的交易报告数据，如何有效地从中检测出可疑交易是当前我国反洗钱工作中面临的核心问题之一。朴素贝叶斯分类是数据挖掘方法的一种，通过对案例数据的训练学习达到对未知类标识的样本分类。基于朴素贝叶斯分类的思想设计了适用于反洗钱中可疑交易识别的贝叶斯分类算法及模型,用数据对该算法进行了实验验证，并提出了与聚类算法相结合的综合运用设想。     

一类非线性贝叶斯动态模型的算法研究

本文利用自主滤波与神经网络相结合的方法,对非线性贝叶斯动态模型进行了简单的探讨,从而给模型的短期预测以自适应,自纠正的智能化功能,为非线性贝叶斯动态系统的预测提供了一条可行的途径.     

基于朴素贝叶斯的在线评论文本的情感分类研究

文章以豆瓣网站书籍评论为分析对象,采用中文情感词汇本体库进行情感要素的识别与加权,结合朴素贝叶斯算法实现了用户评论文本的情感自动分类,并探讨了该算法的分类效果,研究发现:朴素贝叶斯算法能够实现评论文本的情感分类,分类效果较好,但仍需结合规则匹配和人工校对的方式,提升分类效果。     

基于LDA模型的电商用户评价分析

随着电子商务迅速发展,商品在线评论服务的重要性日益凸显。评论蕴含了众多消费者对特定产品和相关服务的真实感受,反映出了许多消费者的态度、立场和意见,具有非常宝贵的调研价值。以某电商平台的某款手机产生的评论为实验数据,对其进行了分词、词性标注和评论文本信息的预处理。基于预处理后的用户数据进行客户情感分析,使用LDA主题模型来分析用户评论,了解其潜在目标用户的需求、意见、购买原因,以及产品的优缺点,提出全面改善产品交互体验的相关建议。     

基于贝叶斯算法的藏文垃圾邮件过滤研究

随着藏文编码字符集国际标准的制定,以及微软的第一个全面支持藏文的Windows Vista操作系统的发布,计算机对藏文的处理能力达到了与英文和汉文相同的级别.藏文垃圾邮件正处在萌发中,将对国家安全和社会稳定带来了威胁.贝叶斯算法广泛用于中、英文垃圾邮件过滤中,但藏文有其独特的语言特性,不能把国内外的研究成果直接应用到藏文垃圾邮件的过滤中.本文介绍了朴素贝叶斯算法的基本原理和藏文垃圾邮件的特殊性,最后分析了基于贝叶斯的藏文垃圾邮件过滤器的性能的几个因素.     

基于贝叶斯网络的电子商务质量评估研究

针对现有电子商务质量评估中存在的问题,提出了将静态质量概念模型与贝叶斯网络相结合的电子商务质量动态评估方法。并通过数据仿真建立了电子商务质量模型实例,对贝叶斯网络在B2C电子商务质量动态评估中的应用进行了探讨;最后将该评估方法与BP神经网络、决策树模型的评估结果进行比较,验证了使用该动态评估方法进行质量评估的准确性和优越性。     

基于动态朴素贝叶斯网的企业技术创新风险识别

技术创新是企业可持续发展的重要途径,同时也是一项高风险活动,技术创新过程中需要及时识别和应对风险.在分析相关研究的基础上.针对狭叉技术创新提出了一种基于动态朴素贝叶斯网的风险识别方法,介绍了与动态朴素贝叶斯网建网相关的指标选择和参教学习.利用企业技术创新案例数据验证了方法的有效性,对实证结果进行了分析.方法为企业技术创新风险决策与管理提供了参考.     

基于贝叶斯多分类器融合的人脸识别算法研究

通过对贝叶斯分类器进行研究,提出一种结合贝叶斯分类规则和 FIS H ER线性判决分析,同时采用人脸的关键局部特征,通过加权相似度求和策略,实现对多个分类器进行融合的一种综合性人脸识别算法。实验表明,该方法在无光照处理下识别效果更为精确。     

一种融合了基于朴素贝叶斯算法与情境感知的协同推荐系统——以大学图书馆实体图书推荐为例

[目的/意义]将情境感知技术引入图书馆以提高服务的智能化，已成为数字图书馆的发展趋势之一。为了提高情境感知模型中推荐结果的准确度。[方法/过程]本文研究并提出了一种融合了朴素贝叶斯算法与情景感知功能的协同推荐模型，并通过实验对推荐效果进行了评估。具体为：首先，获取用户的当前任务和情景信息，同时提取历史信息库用户的行为偏好；其次基于属性加权贝叶斯算法计算用户的行为相似度，继而进行协同推荐；通过计算目标情景中所有情景属性对所推荐资源的影响的权值，对协同推荐所得评分进行加权处理，形成最终的预测预测；最后通过实验对模型进行检验。[结果/结论]结果表明：使用该模型得出的推荐结果优于传统的协同推荐结果。因此该模型能够更好地为为个性化信息服务提供支持。     

朴素贝叶斯分类算法在数据预测中的应用

朴素贝叶斯分类方法是数据库分类知识挖掘领域的一项基本技术,并具有广泛的应用。使用贝叶斯分类算法实现了对经典数据集Iris的分类。实践表明,朴素贝叶斯分类是一种有效的数据挖掘分类算法。     

面向B2C电商网站的消费者评论有用性评价模型研究

[目的/意义]目前各大电子商务网站产生了海量的评论信息，对于消费者而言，查阅和分析这些信息将面临巨大的挑战。因此，有必要对评论的有用性进行综合评价，为消费者过滤出真正有价值的内容。[方法/过程]为此，本文提出并研究了一种在线消费者评论的有用性评价模型，为消费者的网购决策提供支持。该模型主要基于分类算法，识别在线消费者评论的有用性，并按其概率值大小进行排序。根据在线消费者评论的特点，提取了一系列分类特征用于其有用性评价，然后利用支持向量机对评论进行分类并从中识别有用的记录。利用来自B2C电子商务网站的3个在线消费者评论数据集（手机、女鞋、糖果巧克力）对提出的模型进行实证分析。[结果/结论]研究结果显示，该模型能够量化地评价在线消费者评论的有用性并对其进行有效的分类排序。该模型主要依赖语义特征进行排序，而对非语义特征的依赖较少。通过选择合适的概率阈值，能够缩小验证空间，并显著提升分类精确度。     

基于贝叶斯算法的手机在线中医疾病诊断研究

介绍了一种应用于WAP手机网络,利用贝叶斯算法的疾病诊断系统。从数据的组织管理和数据库设计及数据库挖掘技术出发,基于嵌入式开发环境和C#开发环境,设计了用于手机网络的疾病智能诊断系统,用精确且客观的方式来表达原本带有主观性以及依赖于经验的中医学。     

基于本体和加权朴素贝叶斯的网络舆情主题分类

及时准确地对舆情信息进行主题分类,不仅能实时了解舆情动态变化,还能为预判舆情发展趋势、舆论引导建立基础。本文提出一种基于本体和加权朴素贝叶斯的网络舆情主题分类方法,通过使用本体将领域知识和领域文本特征融入分类过程中。将该方法应用到动物卫生领域舆情主题分类中,分类结果精确度为0.9402,Marco_F1达到0.9339。通过与朴素贝叶斯（NB）和THUCTC两种方法的对比实验,证明本文提出的基于本体和加权朴素贝叶斯的分类方法有效且具有可行性,但是领域本体的概念、关系的完备程度会影响分类的效率。     

贝叶斯神经网络在误差修正中的应用研究

针对传统神经网络在实际应用中暴露的泛化能力不强的缺点,使用正则化方法通过修正神经网络的训练性能函数来提高神经网络的泛化能力。再将贝叶斯推理与神经网络相结合,可以在网络训练过程中自适应地调节正则化参数的大小,并使其达到最优。最后通过仿真方法验证贝叶斯神经网络在误差修正中的可行性。     

在线商品虚假评论形成路径研究

以淘宝为例,通过对43万条评论语料进行分析以及乔装淘宝店主获取的事实数据,从在线商品虚假评论实际解决需要出发,为在线商品虚假评论界定了新的含义,归纳了在线商品虚假评论的影响,最后全面分析了由在线评论者、在线销售商家、在线商品交易平台、虚假评论中介四大主体所组成体系中在线商品虚假评论的六大形成路径、形成动因及特点.本文对下一步的在线商品虚假评论识别技术等相关研究有极强的理论和实践指导意义.     

基于贝叶斯网络的企业大规模定制能力评价研究

随着商业竞争的日趋激烈，大规模定制已经成为企业迎接挑战和生存发展的必备武器，同时对于企业自身的综合实力也提出了新的要求。在选择了贝叶斯网络模型后，结合企业大规模定制能力综合评价指标体系，创新性地对企业的大规模定制能力综合评价问题进行了研究，并对贝叶斯网络的具体应用提出了相应的对策建议。     

基于动态贝叶斯网络的协同过滤推荐方法

提出一种基于动态贝叶斯网络的协同过滤推荐方法。该方法实现了动态的推荐过程,使得推荐结果随用户喜好的改变而得到及时更新。并且使用DBN代替简单的相似模型来度量用户相似性,提高了最近邻推荐的准确性,解决了实时性推荐和数据空间的可扩展的问题。最后,给出基于DBN的协同过滤预测模型。通过对一个实例的研究验证了所提出的算法以及推荐模型的可行性。