基于并行IB的多語種文本聚類研究.pdf_第1頁
已閱讀1頁,還剩50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(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。

評論

0/150

提交評論