针对中文文本分类准确率低, 分@ 类算法低效不稳定问题, 提出基于自适应『提升朴素贝叶斯算法.该算法采用Naive Bayes和AdaBoost, 并且通过优化组合结构, 融合两种算法的优点.首先, 使用SMEL序列组合成词算法对中文□ 语料进行分词, 提取文本特征♂词汇.然后, 使用增强的贝叶斯分类器, 通过〗较小的样本训练, 提取出』文本特征, 生成∑ 训练分类矩阵.结合自适应提升算法对简单△分类器进行加权, 保证分类有平稳准确的效果.通过实◆验证明, 该算⌒ 法与其他算法相比, 错误率更低, 可以使分类准确率达到98%以上, 而且F1值也优于其他分类ω 算法.