基于軟件錯誤報告數(shù)據(jù)集成的改進貝葉斯算法

　　用戶提交的軟件錯誤報告隨意性大、主觀性強且內(nèi)容少導(dǎo)致自動分類正確率不高，需要花費大量人工干預(yù)時間。隨著互聯(lián)網(wǎng)的快速發(fā)展用戶提交的錯誤報告數(shù)量也不斷增加，如何在海量數(shù)據(jù)下提高其自動分類的精確度越來越受到關(guān)注。通過改進詞頻一逆文檔頻率（ TF-IDF），考慮到詞條在類間和類內(nèi)出現(xiàn)情況對文本分類的影響，提出一種基于軟件錯誤報告數(shù)據(jù)集的改進多項式樸素貝葉斯算法，同時在Hadoop平臺下使用MapReduce計算模型實現(xiàn)該算法的分布式版本。實驗結(jié)果表明，改進的多項式樸素貝葉斯算法將F1值提高到7l%，比原算法提高了27個百分點，同時在海量數(shù)據(jù)下可以通過拓展節(jié)點的方式縮短運行時間，有較好的執(zhí)行效率。