基于軟件錯(cuò)誤報(bào)告數(shù)據(jù)集成的改進(jìn)貝葉斯算法

　　用戶提交的軟件錯(cuò)誤報(bào)告隨意性大、主觀性強(qiáng)且內(nèi)容少導(dǎo)致自動(dòng)分類正確率不高，需要花費(fèi)大量人工干預(yù)時(shí)間。隨著互聯(lián)網(wǎng)的快速發(fā)展用戶提交的錯(cuò)誤報(bào)告數(shù)量也不斷增加，如何在海量數(shù)據(jù)下提高其自動(dòng)分類的精確度越來(lái)越受到關(guān)注。通過(guò)改進(jìn)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(duì)文本分類的影響，提出一種基于軟件錯(cuò)誤報(bào)告數(shù)據(jù)集的改進(jìn)多項(xiàng)式樸素貝葉斯算法，同時(shí)在Hadoop平臺(tái)下使用MapReduce計(jì)算模型實(shí)現(xiàn)該算法的分布式版本。實(shí)驗(yàn)結(jié)果表明，改進(jìn)的多項(xiàng)式樸素貝葉斯算法將F1值提高到7l%，比原算法提高了27個(gè)百分點(diǎn)，同時(shí)在海量數(shù)據(jù)下可以通過(guò)拓展節(jié)點(diǎn)的方式縮短運(yùn)行時(shí)間，有較好的執(zhí)行效率。