基于朴素贝叶斯的书籍评价信息分类

1 中文文本数据集预处理

假设现在需要判断一封邮件是不是垃圾邮件，其步骤如下：

(1) 数据集拆分成单词，中文分词技术;

(2) 计算句子中总共多少单词，确定词向量大小；

(3) 句子中的单词转换成向量，BagofWordsVec；

计算 P(Ci)，P(Ci|w)=P(w|Ci)P(Ci)/P(w)，表示 w 特征出现时，该样本被分为 Ci 类的条

件概率;

判断 P(w[i]C[0])和 P(w[i]C[1])概率大小，两个集合中概率高的为分类类标。

下面讲解一个具体的实例。

2 数据集读取

假设存在如下所示