拉普拉斯平滑对朴素贝叶斯邮件分类器的影响机制研究
张叔超
李廷元
中国民用航空飞行学院 四川广汉 618307
摘要：针对朴素贝叶斯分类器在邮件分类任务中的特征表示和平滑处理问题,文章提出了一种改进的预处理流程和参数优化方案.传统的朴素贝叶斯分类器在处理文本数据时通常采用单一的分割方式进行特征提取,这种方式可能导致部分重要特征的丢失或噪声的干扰,从而影响分类效果.为有效提升特征提取的质量,设计了一种"逗号-空格"双重分割策略,这一策略能够更加细致地处理邮件内容中的结构性信息,从而提升特征的全面性和准确性.同时系统验证了拉普拉斯平滑对模型性能的影响机制,拉普拉斯平滑作为常用的平滑技术,能够有效避免在朴素贝叶斯模型中因某些特征未出现而导致的零概率问题.为验证改进方案的有效性,选取5 574封真实邮件数据集进行实验,实验结果表明,改进后的朴素贝叶斯分类器在准确率方面取得了显著提升,准确率达到了 97.40％,相比传统实现提升了 6.82％.
关键词：垃圾邮件正常邮件朴素贝叶斯算法拉普拉斯平滑算法
论文发表日期：2025-07-25
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：4( 41-44 )