Sintesis

Clasificadores Bayesianos Naïve Bayes a la clasificación de texto

El artículo describe la clasificación de texto como la tarea de asignar categorías

predefinidas a documentos en lenguaje natural mediante algoritmos de
aprendizaje automático que se utilizan para clasificar estos documentos y uno
de ellos el clasificador Naive Bayes que se usa a menudo como referencia en la
clasificación de texto ya que es rápido y fácil de implementar y funcional
bastante bien en esta y muchas otras aplicaciones complejas del mundo real.
El clasificador Naïve Bayes es una familia de clasificadores probabilísticos
simples basados en la aplicación del teorema de Bayes con con suposiciones de
independencia fuertes entre las características.
El motivo principal del artículo es mostrar un clasificador Bayesiano Naive
Bayes en comparación con un modelo clásico, describiendo algunos conceptos
básicos al igual que la diferencia de la clasificación con modelos de evento
multinomial, Bernulli y Gaussiano, como por ejemplo que en el modelo de
evento de Bernoulli, no se preocupa por el número de veces que una palabra
ocurre en un documento. Cada documento está representado por un vector de
características binarias que indican qué palabras aparecen en el documento.
En el modelo de evento multinomial, tiene en cuenta con qué frecuencia se
produce las palabras en cada documento se representa mediante el conjunto de
ocurrencias de palabras del documento. Ese es decir, el orden de las palabras no
se captura. Otorga la bolsa familiar de representación de palabras para
documentos
Con el Gaussiano supone que a las características siguen una distribución
normal. En lugar de los recuentos discretos, se tienen características continuas
Como propuesta final describe con detalle un clasificador totalmente bayesiano,
usado para pruebas de clasificación de dos conjuntos de datos de referencia, uno
de un conjunto de datos de 20 grupos de noticias y el otro de páginas recopiladas
de los departamentos de informática de varias universidades por el proyecto
World Wide Knowledge Base (webkb), mostrando los resultados de estos.
Llegando a la conclusión de que con Clasificadores bayesianos y clásicos de
NB con modelo de evento multinomial no hay una diferencia estadísticamente
significativa, pero con el modelo de evento gaussiano, la diferencia entre los
clasificadores bayesianos y clásicos de NB es estadísticamente significativo,
especialmente para el conjunto de datos de webkb.

La clasificación de texto es una tecnología de apoyo en varias tareas de

procesamiento de la información