通过贝叶斯算法实现自动识别类别

 

需求：新加一文章，通过算法判断该文章属于某个专业

设：专业：S₁、S₂、S₃、..........S_n

    文章：A

文章分词：W₁、W₂、W₃、..........W_n （组合起来等于A）

 

已知：每个词在每个专业下出现的次数

 

求  P(S₁|A)

    P(S₂|A)

    P(S₃|A)

    ..........

    P(S_n|A)

 

通过比较P(Sn|A) 的概率取得最高的一个

 

方法：(只求专业S的概率 S₁用S代替. 后面的专业同理可求即可)

Ps:以下公式推导可参考条件概率公式：

1.先求出每个词属于专业S的概率 即

　　其中P(S)=专业总数分之一；P(W|S)=W在S专业中出现的次数/W总共出现的次数 现在未知条件只剩P(W)

2.根据全概率公式可得

     即  

　　所以 

     可求出

3.以上已经得出某个词是当前专业的概率；而所有分词组合起来的概率既是文章是当前专业的概率（词不存在的即 新词 默认0.4）

 4.根据联合概率公式可得该文章是该专业的概率公式为：

 

 

ps：公式内横线是省略号

 

 

 

 

参考文章：http://www.cnblogs.com/skyme/p/3564391.html