TextRank關鍵詞提取算法與SOM文本聚類模型的優(yōu)化研究.pdf_第1頁
已閱讀1頁，還剩63頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權說明：本文檔由用戶提供并上傳，收益歸屬內容提供方，若內容存在侵權，請進行舉報或認領

文檔簡介

1、互聯(lián)網信息技術快速發(fā)展，為滿足人們對浩瀚網絡文本信息的檢索需求，文本聚類逐漸成為人們研究的焦點。在文本聚類過程中，關鍵詞提取與聚類算法分析起著至關重要的作用。為改善的文本聚類效果，本文從這兩個方面展開研究:
　　1.提出改進的TextRank關鍵詞提取算法預處理文本。將基于滑動窗格的詞互信息作為邊權重加入到TextRank算法的圖模型中，優(yōu)化了TextRank算法中候選詞評分分配問題。在此基礎上，將候選詞的頂點權重-單文檔詞頻TF

2、(Term Frequency)加入到TextRank算法的權值迭代計算公式，用詞頻調整詞的跳轉概率，一定程度上解決了等概率“跳轉”問題。實驗結果表明:所提算法的準確率、召回率以及F1值均有提升，算法的迭代計算效率提升20％;所提取關鍵詞更能代表文本特征，有助于改善后續(xù)的文本聚類效果。
　　2.將貝葉斯正則化理論引入SOM文本聚類訓練算法，在SOM權值調整公式中引入反映網絡權值復雜性的懲罰項，避免權值調整過程中出現(xiàn)過度擬合;利用貝

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，網頁內容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內容本身不做任何修改或編輯，并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容，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。

評論

0/150

提交評論