

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、隨著互聯(lián)網(wǎng)的快速發(fā)展和全球化趨勢的進(jìn)一步深化,文本數(shù)據(jù)呈現(xiàn)大規(guī)模的增長。同時,自動翻譯系統(tǒng)的興起使得文本數(shù)據(jù)很容易被翻譯成其它語言,從而促進(jìn)了多語種文本數(shù)據(jù)的產(chǎn)生,為多語種文本聚類提供了數(shù)據(jù)支撐。傳統(tǒng)的文本聚類算法在對多語種文本數(shù)據(jù)聚類時,僅考慮多語種文本數(shù)據(jù)的各個不同的語種信息,忽略了多個語種之間的潛在的關(guān)聯(lián)信息,使數(shù)據(jù)模式結(jié)構(gòu)中包含單個語種信息帶來的偏見。
IB方法是一種基于率失真理論的數(shù)據(jù)分析方法,在對高維稀疏數(shù)據(jù)進(jìn)行聚
2、類時具有獨特的優(yōu)勢。該方法將數(shù)據(jù)模式的提取視為一個數(shù)據(jù)壓縮的過程,即將數(shù)據(jù)對象壓縮到一個“瓶頸”變量中,同時最大化地保存數(shù)據(jù)中的信息量,可有效地發(fā)現(xiàn)數(shù)據(jù)對象間所蘊(yùn)含的內(nèi)在模式。目前IB方法已在眾多領(lǐng)域中取得成功的應(yīng)用。多元IB方法是對IB方法的擴(kuò)展,在處理多語種文本時有著獨特的優(yōu)勢,多元IB方法主要有并行IB和對稱IB。
針對傳統(tǒng)文本聚類算法在處理多語種文本時僅考慮多語種文本數(shù)據(jù)的各個不同的語種信息,忽略了多個語種之間的潛在的
3、關(guān)聯(lián)信息的問題,本文提出一種基于并行IB的多語種文本聚類算法:ML-PIB算法。該算法在對多語種文本數(shù)據(jù)進(jìn)行聚類分析時,能夠同時考慮多個語種的語種信息,進(jìn)而有效挖掘各個不同語種信息之間蘊(yùn)含的關(guān)聯(lián),有效提高聚類質(zhì)量。該算法首先針對不同語種,構(gòu)建相應(yīng)的相關(guān)變量;其次,使用互信息度量多個語種特征信息之間的信息量;最后,采用基于信息論的優(yōu)化方法來優(yōu)化其目標(biāo)函數(shù),保證收斂到局部最優(yōu)解。通過在Reuters Multilingual數(shù)據(jù)集上實驗結(jié)果
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的文本多語種識別研究.pdf
- 基于輸入、輸出和頻率理論的多語種并行習(xí)得研究
- 多語種語音合成的韻律建模.pdf
- 基于多語種語音信號的情感識別研究.pdf
- 多語種同指消解系統(tǒng)的研究和實現(xiàn).pdf
- 盧旺達(dá)多語種背景下的漢語推廣研究.pdf
- 基于WEB多語種詞匯翻譯信息抽取技術(shù)的研究.pdf
- 多語種語音情感識別的研究與實現(xiàn).pdf
- 基于GMM-SVM的廣播語音多語種識別研究.pdf
- 多語種問答系統(tǒng)中答案抽取算法的研究.pdf
- 多語種同義詞組的自動建立研究.pdf
- 多語種多類別體系下文本自動分類系統(tǒng)的研究與實現(xiàn).pdf
- 基于互聯(lián)網(wǎng)多語種分布情況的研究與分析.pdf
- 多語種域名及中文域名技術(shù)
- 多語種雙語對齊平臺的設(shè)計與實現(xiàn)
- 多語種語音合成中的關(guān)鍵技術(shù)研究.pdf
- 多語種手機(jī)輸入系統(tǒng)的設(shè)計與實現(xiàn).pdf
- 口語伙伴多語種口語訓(xùn)練數(shù)據(jù)庫
- 畢業(yè)論文——多語種網(wǎng)絡(luò)硬盤系統(tǒng)的設(shè)計
- 畢業(yè)論文——多語種網(wǎng)絡(luò)硬盤系統(tǒng)的設(shè)計
評論
0/150
提交評論