我正在使用BayesianClassifier类对垃圾邮件进行分类。问题是复合词没有被识别。
例如,如果我将led zeppelin添加为匹配项,则包含它的句子将不会被识别为匹配项,即使它应该被识别为匹配项。
为了添加匹配,我使用SimpleWordsDataSource的addMatch ()
为了要求匹配,我使用的是贝叶斯分类器的isMatch()
有想法该怎么解决这个吗?
好的,谢谢你的洞察力。我附上了更多的源代码。
SimpleWordsDataSource wds = new SimpleWordsDataSource();
BayesianClassifier classifier = new BayesianClassifier(wds);
wds.addMatch("queen");
wds.addMatch("led zeppelin");
wds.addMatch("the beatles");
classifier.isMatch("i listen to queen");// it is recognized as a match
classifier.isMatch("i listen to led zeppelin");// it is NOT recognized as a match
classifier.isMatch("i listen to the beatles");// it is NOT recognized as a match
现在我正在使用 BayesianClassifier 的teachingMatch 方法,我得到了不同的结果。包含led zeppelin的句子被归类为匹配,这是可以的。但是一个包含led it的句子也被归类为匹配,这是错误的。
以下是相关代码:
BayesianClassifier classifier = new BayesianClassifier();
classifier.teachMatch("led zeppelin");
classifier.isMatch("I listen to led zeppelin");//true
classifier.isMatch("I listen to led");//true