典型文献
基于机器学习的航行通告文本分类研究
文献摘要：
航行通告是与航空飞行有关人员必须及时知道的,影响民航飞机使用服务,关于设施、空域、资料的通知,对航行通告进行文本分类处理可以提升飞行运行效率、助力飞行正常、落实相关法律规章.以国内某大型航空公司为例,日均接收处理航行通告约2 600条,大部分需人工进行分类处理,且航行通告的数量在稳步增长,故机器学习文本处理极具应用前景.本文使用航空公司收取的航行通告为文本原料,使用词袋模型以及TF-IDF模型,借助朴素贝叶斯分类器,结果表明词袋模型朴素贝叶斯分类器以88.41％的准确率优于TF-IDF模型朴素贝叶斯分类器,具有较好的生产推广价值.
文献关键词：
航行通告;词袋模型;TF-IDF模型;机器学习;朴素贝叶斯分类器
中图分类号：
作者姓名：
李华锋;曾崇;胡海青;徐明明;吴东岳
作者机构：
中国南方航空股份有限公司,广州510000
文献出处：
引用格式：
[1]李华锋;曾崇;胡海青;徐明明;吴东岳-.基于机器学习的航行通告文本分类研究)[J].民航学报,2022(04):6-9
A类：
B类：
基于机器学习,航行通告,文本分类,分类研究,航空飞行,民航飞机,空域,分类处理,行运,实相,规章,航空公司,日均,接收处理,工进,稳步增长,学习文本,文本处理,收取,用词,词袋模型,TF,IDF,朴素贝叶斯分类器
AB值：
0.208869
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
