

版權說明: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,請進行舉報或認領
文檔簡介
1、信息技術的急速發(fā)展在不斷地改變?nèi)藗兩罘绞降耐瑫r,也使得信息傳播的形式在不斷地豐富和翻新。短文本(通常文本長度小于160字符)作為手機簡訊、在線即時聊天、論壇用戶評論等信息的主要表現(xiàn)形式,已經(jīng)成為網(wǎng)絡中大眾信息傳播的重要渠道。短文本分類技術,基于內(nèi)容分析的將短文本分派到預先定義的類別中,在信息安全和商戰(zhàn)信息獲取等領域具有廣泛重要應用前景。
短文本分類實際上是一項非常具有挑戰(zhàn)性的任務,因為它具有長度短、所描述概念信號弱和高的
2、類間模糊度等固有缺陷。這導致常用文本分類方法都不太適用于短文本分類。解決短文本分類困難的一條有效途徑為挖掘短文本中本身存在的內(nèi)涵關聯(lián),進而提取其中辨識度高的信息。鑒于此,本文提出了一種關聯(lián)強度語言模型加深考慮了詞之間的關聯(lián)性和有序性以便能夠提煉出更多的內(nèi)涵,從而彌補短文本先天信息量不足的缺陷。該模型其重要貢獻和核心在于:
(1)針對傳統(tǒng)方法的不足,提出了一種新的能夠有效地描述詞對之間關聯(lián)性的標尺--累積連接分布函數(shù)。
3、> (2)保留了原始語言模型中更適合中文短文本分類的兩大特性--關聯(lián)性和有序性的同時,將通過累積連接分布函數(shù)挖掘出來的隱含內(nèi)聯(lián)關系融入語言模型中,改變語言模型的鏈式結構,形成一種新的辨別能力較強的短文本分類模型。
(3)在要處理大規(guī)模短文本的情形下,通過特征選擇的方式有效地控制原始模型的詞表大小從而降低了模型的復雜度。
該模型基于語言模型理論架構,從挖掘詞對之間的關聯(lián)性入手,運用挖掘出來的隱含內(nèi)聯(lián)關系降
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)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權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。
- 6. 下載文件中如有侵權或不適當內(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
- 利用關聯(lián)規(guī)則挖掘算法的中文短文本分類研究
- 利用關聯(lián)規(guī)則挖掘算法的中文短文本分類研究.pdf
- 中文短文本分類的相關技術研究.pdf
- 短文本分類研究.pdf
- 中文短文本分類技術的研究與實現(xiàn).pdf
- 面向社區(qū)問答的中文短文本分類算法研究
- 考慮特征有效擴展的中文短文本分類研究.pdf
- 基于統(tǒng)計語言模型的中文自動文本分類系統(tǒng).pdf
- 短文本分類方法研究.pdf
- 基于關聯(lián)技術的中文文本分類研究.pdf
- 基于半監(jiān)督學習的中文短文本分類研究.pdf
- 基于條件隨機場的中文短文本分類算法研究.pdf
- 短文本分類技術研究.pdf
- 基于本體的短文本分類研究.pdf
- 基于模糊關聯(lián)規(guī)則的中文文本分類.pdf
- 利用上下位關系的中文短文本分類研究.pdf
- 基于聚類的主題模型短文本分類方法研究.pdf
- 關聯(lián)規(guī)則在文本分類中的研究.pdf
- 基于自身特征的短文本分類研究.pdf
- 中文文本分類研究.pdf
評論
0/150
提交評論