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),請進行舉報或認領(lǐng)
文檔簡介
1、隨著海量數(shù)據(jù)量的增長,使得人們查找有用信息越來越難,速度也受到挑戰(zhàn),文本自動分類技術(shù)的研究也越來越受到人們的重視。文本自動分類方法很多,如:向量空間模型法、基于關(guān)聯(lián)的分類方法、簡單向量距離分類法、簡單的貝葉斯分類算法、支持向量機(SVM)、k近鄰算法(kNN)、詞表法分類等。目前對于這些算法的研究,都是在提高分類準確度的基礎(chǔ)上,盡量提高其時間效率。
由于文本分類的不確定性,存在一個文本屬于多個分類的情況,多標記分類算法得到
2、廣大學者的重視。目前的多標記文本分類算法主要是以提高文本分類準確度和降低時間復雜度為目的,一方面優(yōu)化距離算法及將文檔聚類以減少時間消耗,另一方面則設(shè)計更為合適的分類方法提高分類的準確度。由于文本分類算法需要進行大量的計算,如何提高算法時間效率仍然是文本分類面臨的一個問題。如何能夠在提高時間效率的基礎(chǔ)上提高準確度也是研究重點之一。kNN算法因算法原理簡單、易于實現(xiàn)。在此大背景下,本文提出基于類別閾值判斷的kNN算法。
本文提
3、出的基于類別閾值判斷的kNN算法運用FSkNN中的模糊相似度計算算法對文本進行聚類,縮小查找范圍,從而達到減小時間效率的目標。多標記閾值判斷算法根據(jù)訓練集中每個類別的隸屬度值分別計算其閾值大小,通過kNN算法找到測試文本的k個最近鄰。根據(jù)這k個最近鄰的標記向量,計算出測試文本對于每個類的隸屬度。如果隸屬度大于該類的判斷閾值,則將該類的標記置為1,否則為0。
在多標記分類中,存在所有標記都為零的情況,意味著這個文本丟失了,本
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)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 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)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(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。
最新文檔
- 基于維基的深度多標簽多類別文本分類系統(tǒng).pdf
- 基于類別均衡的文本分類算法研究.pdf
- 基于粗糙集的多標記文本分類方法研究.pdf
- 基于代價敏感的快速多標記文本分類算法研究.pdf
- 基于類別概念的中文文本分類研究.pdf
- 基于新型多標記集成學習方法的文本分類研究.pdf
- 文本分類的屬性選擇與多標記轉(zhuǎn)換方法研究.pdf
- 基于類別的特征選擇算法的文本分類系統(tǒng).pdf
- 集合多標簽文本分類研究.pdf
- 多標簽文本分類算法研究.pdf
- 基于主動學習的多示例文本分類研究.pdf
- 類別特征詞權(quán)重加權(quán)文本分類方法
- 基于KNN的多要素中文文本分類研究.pdf
- 基于支持向量機的多類文本分類研究.pdf
- 基于多類支持向量機的文本分類研究.pdf
- 中文多標簽文本分類算法研究.pdf
- 基于多標簽學習框架的微博文本分類研究.pdf
- 基于文本分類技術(shù)的漏洞分類.pdf
- 基于本體的文本分類研究.pdf
- 基于概念的文本分類研究.pdf
評論
0/150
提交評論