基于Dirichlet過程的DeepWeb數(shù)據(jù)源聚類研究.pdf_第1頁
已閱讀1頁,還剩63頁未讀, 繼續(xù)免費(fèi)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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、隨著互聯(lián)網(wǎng)的普及和信息技術(shù)的快速發(fā)展,互聯(lián)網(wǎng)已成為人們獲取信息的重要途徑。DeepWeb數(shù)據(jù)源中蘊(yùn)含的高質(zhì)量、結(jié)構(gòu)化的數(shù)據(jù)也越來越受到人們的關(guān)注。DeepWeb是指互聯(lián)網(wǎng)上由后臺(tái)數(shù)據(jù)庫動(dòng)態(tài)產(chǎn)生的頁面,這些頁面不能通過靜態(tài)鏈接直接訪問,只能通過表單提交查詢的方式來獲取。作為DeepWeb數(shù)據(jù)源集成中的關(guān)鍵一步,DeepWeb數(shù)據(jù)源聚類就是將數(shù)據(jù)源按照領(lǐng)域進(jìn)行劃分。
  由于缺乏數(shù)據(jù)源的先驗(yàn)知識(shí),目前DeepWeb數(shù)據(jù)源聚類任務(wù)面臨難

2、以預(yù)先確定聚類個(gè)數(shù)的問題。在特征提取方面,DeepWeb數(shù)據(jù)源存在特征向量高維稀疏的特點(diǎn)。針對(duì)以上問題,本文將Dirichlet過程引入DeepWeb數(shù)據(jù)源聚類研究中,提出了一種基于Dirichlet過程的DeepWeb數(shù)據(jù)源聚類方法。
  文本的主要研究工作和成果如下:
 ?、偬岢隽嘶趯哟蜠irichlet過程的特征提取方案。將查詢接口中原本高維稀疏的短文本,表示為主題特征,該過程在降維的同時(shí)能自動(dòng)確定特征數(shù),不需要人工

3、事先設(shè)定主題特征的數(shù)目,解決了因?yàn)橄闰?yàn)知識(shí)缺乏而帶來的參數(shù)設(shè)定的難題。
 ?、卺槍?duì)DeepWeb數(shù)據(jù)源聚類算法因缺乏先驗(yàn)知識(shí)而難以預(yù)先確定聚類數(shù)目的問題,提出基于Dirichlet過程混合模型的聚類算法。該算法無需人工事先指定聚類個(gè)數(shù),由Dirichlet過程根據(jù)數(shù)據(jù)自動(dòng)計(jì)算得到,特別適用于DeepWeb數(shù)據(jù)源數(shù)量大,變化快的特點(diǎn)。
  ③在Dirichlet過程混合模型的參數(shù)推導(dǎo)過程中,提出了一種加權(quán)Gibbs抽樣算法,在

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(qǐng)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(qǐng)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(huì)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(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)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(duì)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(qǐng)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(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論