作者：王东 熊世桓 向程冠 靳宁文本分类朴素贝叶斯分类器关联规则项集频繁项集
摘要：针对NB分类方法中过于严格的独立性假设，应用频繁2-项集为分类测度，通过放宽独立性假设达到改善分类性能的目的．在训练阶段使用类似Apriori关联规则发现算法挖掘并建立频繁2-项集库，当测试新文档时，文档特征通过竞争搭配生成基于测试文档的频繁2-项集序列，优先选择类词频率和置信度综合评分最高的频繁2-项集进入概率估算过程，并用频繁2-项集的综合评分置换NB的单项特征概率估计．在不同数据集的实验中显示，基于频繁2-项集的贝叶斯分类器（TIB）的分类精度整体上好于NB分类器，是一种有效的分类方法．
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
