简介：摘 要 本文构造一种集成贝叶斯分类器用于舆情文本分类，目的是对数据量大、突发性强的舆情信息进行自动分类分析，对训练样本做样本分词和去停用词处理后，将训练样本集分为N个样本子集，对每个子集训练贝叶斯分类器，并集成各个基分类器，对舆情文本进行分类，能够取得较高的分类准确率。
简介：摘 要 本文提出一种改善特征选择的集成贝叶斯分类器，分类过程中先对文本样本进行分词和去停用词处理，然后通过特征选择实现降维，拆分训练样本，集成每个子集上得到的贝叶斯分类器进行分类，目的是对数据量大、突发性强的网络文本进行快速分类分析，并取得较高的分类准确率。
集成贝叶斯分类器用于舆情文本分类
一种改善特征选择的集成贝叶斯分类器用于文本分类
