我已经实现了一个朴素贝叶斯垃圾邮件过滤器，它在给定的数据集上学习，然后将任何新输入预测为垃圾邮件或火腿。但现在我想将信息检索技术纳入其中，以提高过滤器的有效性。例如，更正拼写错误，例如如果写了 v1agra 而不是 viagra 或写了 m0rtgage，那么朴素贝叶斯应该更正它，它不应该在概率计算中产生任何问题。
任何好的教程或一些将信息检索技术与 Java 中的实现结合起来的工作都会有很大的帮助。
还有什么其他技术可以用来提高过滤器的有效性？
提前致谢。
问问题
571 次
1 回答
1
您要查找的内容称为词干提取。这通常用于消除诸如“walking”与“walked”之类的差异（Porter Stemmer 会将这两个词都转换为“walk”）。在您的情况下，您想设置一些规则来消除大部分垃圾邮件噪音（删除所有非字母字符？使所有单词小写等）
于 2012-12-07T02:01:02.697 回答