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64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),請進行舉報或認領(lǐng)

文檔簡介

1、近年來,隨著互聯(lián)網(wǎng)技術(shù)的飛快發(fā)展,人們已經(jīng)從信息較為缺乏的時代過渡到信息豐富的數(shù)字化時代。面對如此龐大的電子信息,如何在較短的時間內(nèi)獲取對用戶有用的信息也就成為當(dāng)前的一個研究熱點。文本分類技術(shù)是數(shù)據(jù)挖掘領(lǐng)域中的一項關(guān)鍵技術(shù),它能夠幫助用戶快速、準確地定位所需要的信息。同時該技術(shù)作為信息過濾和搜索引擎的基礎(chǔ),有著廣泛的發(fā)展前景,能夠為社會帶來巨大的經(jīng)濟效益。文本分類的任務(wù)是將待分類的文本對象根據(jù)其具體內(nèi)容自動劃分到事先設(shè)置的類別內(nèi)。它的研

2、究內(nèi)容主要包括文本預(yù)處理、特征選擇、特征項權(quán)重計算、文本表示、分類器的訓(xùn)練與測試以及分類性能評價六個模塊。其中特征選擇和權(quán)重計算在文本分類技術(shù)中有著非常關(guān)鍵的作用。
   本研究主要內(nèi)容包括:⑴特征選擇的目的是從原始的高維特征空間中,選取出對分類貢獻程度大的特征來表示文本。經(jīng)典的特征選擇算法在統(tǒng)計特征項和類別之間的關(guān)聯(lián)性信息時,僅僅考慮了特征項對文本分類的能力,卻沒有考慮特征項之間的相關(guān)性信息,因此使得具有同義或近義現(xiàn)象的特征項

3、都被選擇出來表示文本,降低了分類的準確度。鑒于此缺點,本文提出了一種新的特征選擇算法----組合特征選擇算法。該算法首先通過文本證據(jù)權(quán)重方法選擇出一些對文本分類貢獻程度大的特征項;其次通過互信息方法刪減了一些在文本分類方面有冗余信息的特征項。⑵經(jīng)典的TP-IDF權(quán)重計算方法只考慮了特征詞頻率TF和反比文檔頻率IDF,沒有考慮特征項的類別分布和位置分布對分類的影響。因此本文在經(jīng)典權(quán)重算法TF-IDF的基礎(chǔ)上,結(jié)合特征詞的類別分布與位置分布

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