The aim of this paper is the supervised classification of semi-structured data. A formal model based on bayesian classification is developed while addressing the integration of the document structure into classification tasks. We define what we call the structural context of occurrence for unstructured data, and we derive a recursive formulation in which parameters are used to weight the contribution of structural element relatively to the others. A simplified version of this formal model is implemented to carry out textual documents classification experiments. First results show, for a adhoc weighting strategy, that the structural context of word occurrences has a significant impact on classification results comparing to the performance of a simple multinomial naive Bayes classifier. The proposed implementation competes on the Reuters-21578 data with the SVM classifier associated or not with the splitting of structural components. These results encourage exploring the learning of acceptable weighting strategies for this model, in particular boosting strategies.
Applying Naive Bayes Classification to Google Play Apps Categorization
University of Saskatchewan（萨斯喀彻温大学）
Google Play商店中有超过100万个应用程序和超过50万个发布商。拥有如此大量的应用程序和开发人员可能会对应用程序用户和商店上的新发布者构成挑战。如果应用程序没有正确地发布在正确的类别中，发现应用程序可能是一个挑战，反过来又会减少应用程序开发人员的收入。此外，Google Play商店中有超过41个类别，由于他们必须选择的类别数量众多，因此决定发布应用程序的正确类别对开发人员来说可能具有挑战性。机器学习已经非常有用，特别是在分类问题，如情感分析，文档分类和垃圾邮件检测。这些策略还可以应用于Google Play商店上的应用分类，以便使用应用程序中的详细信息为应用程序发布商建议适当的类别。在这个项目中，我们使用Google Play Store上顶级开发者应用的开放元数据构建了两种不同的朴素贝叶斯分类器，以分类商店中的新应用。然后使用各种评估方法对这些分类器进行评估，并将其结果相互比较。结果表明，Naive Bayes算法对我们的分类问题表现良好，并且可以为Google Play Store上的Android应用发布商自动进行应用分类
Sentiment Analysis of Review Datasets Using Naive Bayes and K-NN Classifier
Heritage Institute of Technology（遗产技术学院）；Institute of Engineering & Management（工程与管理学院）
Web 2.0的出现导致了Web中可用的情感内容数量的增加。这样的内容通常以电影或产品评论、用户评论、推荐、论坛中的消息等形式出现在社交媒体网站中。及时发现情感或固执己见的网络内容具有许多优点，其中最重要的是货币化。了解大众对不同实体和产品的情感，可以为上下文广告、推荐系统和市场趋势分析提供更好的服务。我们项目的重点是情感集中的网络爬行框架，以方便快速发现电影评论和酒店评论的情感内容，并进行分析。我们使用统计方法来捕捉主观风格和句子极性的元素。本文详细讨论了两种有监督的机器学习算法：K-最近邻（K-NN）和朴素贝叶斯（Naive Bayes），并比较了它们的总体准确率、精确率和召回率。可以看出，在电影评论的情况下，朴素贝叶斯给出了比K-NN好得多的结果，但对于酒店评论，这些算法给出了较少的，几乎相同的准确性。
