基于软件错误报告数据集成的改进贝叶斯算法

　　用户提交的软件错误报告随意性大、主观性强且内容少导致自动分类正确率不高，需要花费大量人工干预时间。随着互联网的快速发展用户提交的错误报告数量也不断增加，如何在海量数据下提高其自动分类的精确度越来越受到关注。通过改进词频一逆文档频率（ TF-IDF），考虑到词条在类间和类内出现情况对文本分类的影响，提出一种基于软件错误报告数据集的改进多项式朴素贝叶斯算法，同时在Hadoop平台下使用MapReduce计算模型实现该算法的分布式版本。实验结果表明，改进的多项式朴素贝叶斯算法将F1值提高到7l%，比原算法提高了27个百分点，同时在海量数据下可以通过拓展节点的方式缩短运行时间，有较好的执行效率。