为消除朴素贝叶斯分类时的零概率以及过度拟合问题，分析了各种概率平滑方法，给出了基于M估计的多关系朴素贝叶斯分类方法（MRNBC-M）和基于Laplace估计的多关系朴素贝叶斯分类方法（MRNBC-L），分析探讨了M平滑和Laplace平滑方法对多关系分类的影响情况，为进一步优化分类，方法基于扩展互信息标准对数据进行属性过滤。多关系标准数据集上的实验显示，MRNBC-M可以有效改进分类性能。