我正在使用朴素贝叶斯公式构建一个文本分类器。我还处于开发的早期阶段，但我已经看到我的技术存在问题，我想知道你们是否有想法可以帮助我解决这个问题。

我想要做的是对文本进行评分，以将它们从更有可能在 A 类中排序到不太可能。我只有一门课，我想找出其中包含文本的可能性。

问题是我只能得到接近于零的预测（例如 1,068E-12）。原因是大多数单词在 A 类中的概率低于 0.5。即使我有概率 > 0.5 的单词，这些概率离 1 更远，那么概率 <0.5 离 0 更远。

因此，当我选择概率离 0.05 最远的 N 个单词时，我通常只得到（或至少更多）概率 <0.5。因此，我使用的词（N）越多，概率越接近 0。

是否有一些优化可以帮助解决这个问题（现在我什至不删除停用词，但我打算这样做）？

或者贝叶斯分类器对我的问题来说不是一个糟糕的选择？