Abstract: This study has two major purposes : to implement and compare the author classification results of different Naive Bayes Classifiers, and to investigate whether merging individual methods will increase classification success or not. The subjects of this study were newspaper columnists. Data was collected from well known public newspapers. This study first investigates Numeric, Nominal, Multinominal NBC, and their various merged versions. We then address each method using cross-validation. The results of the experiments show that merging multiple classification methods can increase classification success. Additionally, it depends on how well individual classification models are constructed.

Özet: Bu çalışmanın iki amacı vardır : farklı Naive Bayes Sınıflandırma metodlarını uygulamak, karşılaştırmak ve farklı sonlandırma metodlarının birleştirilmesinin sonlandırma performansına olan etkisini ölçmek. Bu çalışma gazete köşe yazarlarını konu almaktadır. Calışma ilk olarak Sayısal, Nominal, Multinominal NBC ve olası birleşik sonl andırma metodlarını incelemektedir. Sonrasında her bir metod, çapraz doğrulama yöntemi ile test edilmektedir. Deney sonuçları sonlandırma metodlarının birleştirilmesinin sonlandırma başarısını arttırdığını göstermektedir. Bunun ile birlikte bu başarı, birleşimin parçası olan sonlandırma metodlarının tekil başarılarına bağlıdır.