我正在使用PHP上的Naive贝叶斯分类器(http://www.xhtml.net/php/PHPNaiveBayesianFilter)
还有一个单词列表，在训练系统时可以忽略这些单词。这些单词不会保存到数据库中，因此不会用于分类。我想尽我所能改进这个系统，所以我想知道对于这种系统，是否有任何规则或典型单词列表可以忽略。
我目前正在忽略诸如"；至"以及""对于"由于"其"什么"谁"；。。。以及一些典型的动词，如"；是"是"是"被"；。。。等等
您将要处理很多单词。。。。主要是形容词和连词，也许还有动词。。。。
这是一个很长的列表，你需要保存为txt或导入到你的数据库。。。。。我建议你直接搜索并下载
这里有一些链接
http://www.momswhothink.com/reading/list-of-verbs.html
http://grammar.yourdictionary.com/parts-of-speech/conjunctions/conjunctions.html
http://www.smart-words.org/transition-words.html
http://www.momswhothink.com/reading/list-of-adjectives.html
你的单词越多，你的系统工作得越好
谢谢：）
不确定你有多少数据，但如果你可以使用python的包nltk，你可以得到一个预先编译的"停止"单词列表，这些单词通常在运行分类之前被删除。你也可以词干/词干化（再次使用nltk）所有单词，这通常有助于Naive Bayes。此外，nltk可以很好地识别词性，因此您也可以进行更高级的过滤（例如，只保留名词、专有名词、动词、副词和形容词）