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、隨著信息化網(wǎng)絡(luò)時代的飛速發(fā)展,數(shù)據(jù)爆炸性增長的“大數(shù)據(jù)”時代已經(jīng)到來。而現(xiàn)實生活中,文本仍是數(shù)據(jù)的主要存在形式。面對如此浩如煙海、雜亂無章的文本數(shù)據(jù),傳統(tǒng)的人工處理手段不僅費時費力,而且效果并不理想。因此,利用機器學(xué)習(xí)的方法對文本進(jìn)行表示并進(jìn)行自動分類已然成為一個重要的科研方向。文本分類任務(wù)中最重要的就是文本的特征表示,主要方法包括詞頻技術(shù)(TF-IDF)、詞袋模型(Bag-of-Words)以及主題模型(LDA)等。但這些方法都存在一
2、定的不足,如缺乏語義信息、受維數(shù)災(zāi)難困擾、忽略上下文結(jié)構(gòu)等等。這都會對分類準(zhǔn)確性造成一定的影響。
本研究主要內(nèi)容包括:⑴提出新的文本特征提取方法。受詞袋模型思想的啟發(fā),在Word2Vec語言模型訓(xùn)練得到的詞向量(Word Embedding)基礎(chǔ)上,本文提出了聚類詞袋模型(Bag-of-Clusters)。該方法通過分析語言模型中詞向量的相關(guān)屬性,構(gòu)建文本的聚類詞袋模型,從而完成文本的特征向量表示。最后在標(biāo)準(zhǔn)數(shù)據(jù)集中完成文本分
3、類任務(wù),實驗結(jié)果表明新特征表示方法在分類精度上有一定的提高。⑵構(gòu)建文本語義圖。新的文本特征提取方法雖然在一定程度上提高了文本分類精度,但是,直接將文本進(jìn)行向量化表示必然會忽略很多單詞結(jié)構(gòu)信息。為了能充分利用文本中單詞之間的上下文結(jié)構(gòu)關(guān)系,本文引入圖結(jié)構(gòu)來進(jìn)行文本表示。通過分析Word2Vec語言模型訓(xùn)練得到的詞向量的聚類屬性對文本圖結(jié)構(gòu)中的結(jié)點進(jìn)行語義編碼,從而構(gòu)建文本語義圖。⑶設(shè)計能適用于文本圖結(jié)構(gòu)的新圖核。圖核(Graph Kern
4、el)是近幾年來計算圖相似度的有效方法,然而現(xiàn)有圖核卻存在一些局限:時間復(fù)雜度較高;擴展性較差;圖結(jié)點類型較少等。為了能有效地完成文本語義圖的匹配,本文設(shè)計了新的能適用于文本語義圖的圖核。首先,根據(jù)文本語義圖設(shè)計合理的位標(biāo)簽運算,豐富結(jié)點的結(jié)構(gòu)信息;然后,通過迭代得到圖結(jié)構(gòu)的標(biāo)簽表示;最后,設(shè)計合理的圖核函數(shù)計算圖之間的相似度。通過在標(biāo)準(zhǔn)數(shù)據(jù)集上的文本分類實驗證明,新圖核不僅在一定程度上提高了分類精度,而且降低了圖核計算的時間復(fù)雜度,具
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word2vec詞向量的文本分類研究.pdf
- 基于word2vec的維吾爾文文本過濾研究.pdf
- 基于CUDA的Word2Vec設(shè)計與實現(xiàn).pdf
- 基于word2vec的中文文本相似度研究與實現(xiàn).pdf
- 基于word2vec和SVMperf的網(wǎng)絡(luò)中文文本評論信息情感分類研究.pdf
- 基于Word2Vec的自動文摘系統(tǒng)的設(shè)計與實現(xiàn).pdf
- 深度學(xué)習(xí)之word2vec
- 基于Word2Vec的個性化餐飲推薦系統(tǒng)設(shè)計與實現(xiàn).pdf
- 基于Word2Vec的微博情感新詞識別與傾向判斷研究.pdf
- 基于Word2Vec的中文問句檢索技術(shù)研究及系統(tǒng)實現(xiàn).pdf
- 基于聚類分析的圖模型文本分類.pdf
- 基于中間語義的跨語言文本分類模型研究.pdf
- 基于統(tǒng)計語言模型的中文自動文本分類系統(tǒng).pdf
- 基于語言模型的文本分割研究.pdf
- 基于LDA模型的文本分類研究.pdf
- 基于主題的文本分類模型研究與應(yīng)用.pdf
- 干貨深度學(xué)習(xí)word2vec筆記之應(yīng)用篇
- 基于本體的文本分類模型研究.pdf
- 基于混合模型的文本分類的研究.pdf
- 基于圖模型的中文小樣本文本分類研究.pdf
評論
0/150
提交評論