朴素贝叶斯分类器如何用于自然语言处理？

朴素贝叶斯用贝叶斯定理 + 特征条件独立假设做文本分类：用训练集估计 $P(c|w_1...w_n) propto P(c)prod P(w_i|c)$。Multinomial NB 配合词频/TF-IDF 广泛用于垃圾邮件过滤与短文本分类，小数据上极快且稳健。

一、先给出结论和背景

• 核心思想：给定文档词序列，选使后验概率最大的类别 $c^* = argmax_c P(c)prod_i P(w_i|c)$。
• 朴素假设：给定类别，各词出现相互独立——显然不成立，但实践中常有效（「依赖地狱」反而帮助泛化）。

二、拆开关键步骤和判断点

• 常见变体：- Multinomial NB：适合词频/TF 计数（新闻分类）
• Bernoulli NB：二值特征（词是否出现，短文本）
• Gaussian NB：连续特征（较少用于纯文本）
• 训练：统计各类别词频，拉普拉斯平滑处理未见词，避免零概率。

三、补上落地边界和取舍

• NLP 应用：- 垃圾邮件检测（经典 baseline）
• 情感/主题粗分类
• 语言识别、作者归属
• 优缺点：- ✅ 训练推断极快、小样本友好、可解释（看 log 似然贡献最大的词）
• ❌ 独立性假设限制语义建模；对长文档词序不敏感
  现代场景常被 BERT 超越，但仍适合冷启动与资源受限边缘部署。参考 文本分类。

延伸阅读：文本分类。术语：TF-IDF。