My predlagaem dwa ätapa predwaritel'noj obrabotki klassifikacii, kotorye primenqüt algoritmy na osnowe wypuklyh korpusow k obuchaüschemu naboru, chtoby uluchshit' proizwoditel'nost' i skorost' klassifikacii. Algoritm rekonstrukcii klassow ispol'zuet algoritm klasterizacii w sochetanii s podhodom na osnowe wypuklyh korpusow, kotoryj peremarkiruet nabor dannyh s nowoj i rasshirennoj strukturoj klassow. My demonstriruem, kak ätot algoritm powysheniq proizwoditel'nosti pomogaet powysit' tochnost' rezul'tatow Naive Bayes w nekotoryh, no ne wo wseh sluchaqh, kogda ispol'zuütsq real'nye nabory dannyh.