朴素贝叶斯分类在Google Play应用归类中的应用

Google Play商店上有超过一百万款应用和超过五十万开发者。拥有如此庞大的应用和开发者数量，可能会给应用用户和商店的新发布者带来挑战。如果应用未正确发布在合适的类别中，发现应用可能会很困难，进而减少应用开发者的收入。此外，Google Play商店有超过41个类别，由于可供选择的类别数量众多，决定发布应用的合适类别对开发者来说可能颇具挑战性。机器学习非常有用，尤其是在情感分析、文档分类和垃圾邮件检测等分类问题中。这些策略也可以应用于Google Play商店的应用归类，利用应用的详细信息为应用发布者建议合适的类别。在本项目中，我们利用Google Play商店上顶级开发者应用的开放元数据，构建了朴素贝叶斯分类器的两种变体，以便对商店中的新应用进行分类。然后使用各种评估方法对这些分类器进行评估，并相互比较其结果。结果表明，朴素贝叶斯算法在我们的分类问题上表现良好，并有可能为Google Play商店上的Android应用发布者自动化应用归类。