2023年全國碩士研究生考試考研英語一試題真題（含答案詳解+作文范文）_第1頁
已閱讀1頁，還剩51頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進行舉報或認(rèn)領(lǐng)

文檔簡介

1、如何在浩瀚繁雜的文本中掌握最有用、最準(zhǔn)確的信息,始終是信息處理技術(shù)急待解決的問題。而解決這個問題較有效的方法就是對文本文檔進行分類。文本分類的優(yōu)劣直接關(guān)系到人們使用文本信息的效率。對文本文檔進行特征加權(quán)是提高文本分類效果簡潔且有效的方法。目前,TF/IDF方法是常用的且效果較好的一種特征加權(quán)方法。但是,它也存在著沒有考慮特征項在類內(nèi)和類間分布問題的不足。因此,如何解決文本文檔特征項在類內(nèi)和類間分布不均衡是TF/IDF特征加權(quán)方法亟待解決

2、的問題。
　　 本文針對傳統(tǒng)的TF/IDF算法存在的不足,提出了一種基于信息熵的TF/IDF特征加權(quán)算法。該算法依據(jù)信息熵的理論知識,將文本數(shù)據(jù)集視作符合某種規(guī)律分布的信息源。通過文本文檔中特征項的信息熵來度量其在文本分類中所能提供的分類信息量(即分類能力)。算法中使用信息熵來度量特征項在文本分類過程中的重要程度,并把得到的程度信息反映到文本文檔特征項的權(quán)重值大小當(dāng)中。為了驗證所提出的基于信息熵的TF/IDF算法的合理性和有效性

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論