朴素贝叶斯文本分类算法java实现(二)

接着上一篇文章:朴素贝叶斯文本分类算法java实现(一),最近一直在学习朴素贝叶斯进行文本自动分类。

为了加深理解，自己实现了多项式朴素贝叶斯对文本的自动分类。文本样本采用了搜狗提供的文本分类语料库.

相关程序已经放在github上：https://github.com/awnuxkjy/naive-bayesian

NaiveBayesMain:主函数类
DefaultStopWordsHandler：单词停用处理类
MultinomialModelNaiveBayes：多项式朴素贝叶斯实现类
TrainSampleDataManager：训练样本管理器
ChineseTokenizer:中文分词类

训练样本采用了搜狗的mini版本,该文件已经放入在lib目录下。

中文分词采用es-ik进行分词。

使用的时候，在NaiveBayesMain类改变SAMPLE_DATA值即可。

如果你使用的文本分类样本较多，在运行NaiveBayesMain是设置jvm参数，已防止溢出。

-verbose:gc -Xms1024M -Xmx1024M