php代码利用结巴分词+朴素贝叶斯算法实现文章分类

最近公司的事情太多了，一直没有时间更新公众号。但是还是在忙里抽了点时间用php实现了贝叶斯的文章分类算法。

扒了一些微信公众号的文章之后，发现如果一个一个的进行手动分类太浪费时间了。有一种基于统计概率的算法-----贝叶斯算法可以通过计算在已知某个分类条件下的词语的概率，推算出给定词语组合是某分类的概率。

简单点讲，过去的经验可以用来预测未来，如果过去的经验和需要预测的事情是有关联的。

然后再利用结巴分词对抓取到的文章做分词处理，计算已经分好类的文章的词语概率，然后再输入新的未知分类的文章，就可以计算出该文章在不同分类下的概率，取最大的就是最可能的分类了。

todo ：

去掉一些助词：的，地，等等，这些会对训练样本造成干扰

手动去编辑文章的分类，有些分类明显不准，需要重新编辑

测试召回率和准确率。召回率：是否查的全 。 查出来相关的/查出来相关的+未查出来相关的。准确率: 查的是否准确。 查出来相关的/查出来相关的+查出来不相关的

分类标签的补充和重新编辑，爬过来的文章与我做的分类都没法匹配上去，分类不是很全