

已閱讀1頁,還剩72頁未讀, 繼續(xù)免費閱讀
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(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、新聞話題的演化主要關(guān)注于如何將新聞中語義信息提取出來,將這些語義信息組織成話題表達(dá)出來,并將話題在時間軸上的變化情況反映出來。這樣,新聞可以按照話題的演化關(guān)系進(jìn)行組織。研究新聞話題的演化,本文進(jìn)行了如下一些有益的探索:(1)提出了一種基于話題關(guān)聯(lián)的話題演化方案。通過語義關(guān)聯(lián)的話題來表征話題的演化序列。(2)研究了過濾LDA模型生成的無意義話題的方法。本文提出了幾種基于話題權(quán)重和顯著性話題的方案,過濾話題模型中無法解釋的話題在2007~2
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(hù)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。
最新文檔
- 基于LDA模型和密度聚類的新聞話題檢測.pdf
- 基于LDA融合模型和多層聚類的新聞話題檢測.pdf
- 基于LDA的微博話題聚類研究.pdf
- 基于lda的微博話題聚類研究
- 基于LDA模型與聚類的網(wǎng)絡(luò)新聞熱點話題發(fā)現(xiàn)研究.pdf
- 基于事件-時間關(guān)聯(lián)模型的新聞話題檢測與動態(tài)演化跟蹤.pdf
- 基于LDA模型的微博話題與事件檢測.pdf
- 基于話題的網(wǎng)絡(luò)輿情演化機(jī)制研究.pdf
- 基于LDA的微博與傳統(tǒng)媒體的話題對比研究.pdf
- 基于Labeled-LDA的微博趨勢話題檢測技術(shù)研究.pdf
- 基于上下文的話題和話題關(guān)系的演化研究.pdf
- 中文新聞話題動態(tài)演化及其關(guān)鍵技術(shù)研究.pdf
- 基于話題的網(wǎng)絡(luò)輿情演化機(jī)制研究
- 基于LDA模型的專利文本分類及演化研究.pdf
- 基于LDA的國內(nèi)數(shù)字圖書館研究主題發(fā)現(xiàn)與演化.pdf
- 熱點新聞點擊量預(yù)測及話題演化算法研究.pdf
- 基于LDA模型和AP聚類算法的主題演化研究.pdf
- 熱點新聞點擊量預(yù)測及話題演化算法研究
- 基于LDA概率模型的科技文獻(xiàn)主題演化挖掘技術(shù)研究.pdf
- 基于增量聚類的新聞話題發(fā)現(xiàn)研究.pdf
評論
0/150
提交評論