

版權(quán)說(shuō)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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、數(shù)據(jù)挖掘已經(jīng)是一個(gè)發(fā)展很成熟的研究領(lǐng)域,它給人們提供了一個(gè)從大量雜亂無(wú)章的信息中獲取有用價(jià)值信息的方法。目前,對(duì)于非結(jié)構(gòu)化數(shù)據(jù)的數(shù)據(jù)挖掘技術(shù)已有很多研究,而對(duì)于網(wǎng)絡(luò)中出現(xiàn)的越來(lái)越多的文本數(shù)據(jù)的挖掘技術(shù)研究還較少。文本中包含著豐富的內(nèi)涵和知識(shí),如何對(duì)大量的文本數(shù)據(jù)進(jìn)行挖掘也是一個(gè)很重要的研究領(lǐng)域。文本分類是文本挖掘最基礎(chǔ)的應(yīng)用,是分析和處理大量文本數(shù)據(jù)的關(guān)鍵技術(shù),它可以有效地解決大數(shù)據(jù)時(shí)代信息多而雜的問(wèn)題,幫助人們準(zhǔn)確高效的定位信息和分流
2、信息,因此具有廣泛的應(yīng)用前景。
本文對(duì)中文文本挖掘技術(shù)進(jìn)行了研究,提出了一種新的基于特征義原擴(kuò)展向量空間模型的文本分類方法,并實(shí)現(xiàn)分類器對(duì)分類方法進(jìn)行驗(yàn)證。本文主要研究?jī)?nèi)容如下:
1.介紹了文本挖掘技術(shù)的原理和實(shí)現(xiàn)方法。作為文本挖掘的基礎(chǔ),首先介紹了文本預(yù)處理流程,給出了預(yù)處理過(guò)程的具體步驟,包括:文本表示、中文分詞技術(shù)、特征提取和特征權(quán)值計(jì)算方法,及各個(gè)步驟采用的相關(guān)算法。然后,介紹了多種常用的文本分類方法,詳述了
3、各種方法的技術(shù)原理以及優(yōu)缺點(diǎn)。
2.提出了一種基于特征義原擴(kuò)展向量空間模型(VSM)的文本分類方法。本文根據(jù)知網(wǎng)中的“義原”,改進(jìn)了文本的特征選擇方法,重構(gòu)向量空間模型。首先對(duì)每個(gè)類別中的文本采用改進(jìn)的TF-IDF方法選擇文本特征項(xiàng),然后再?gòu)奶卣黜?xiàng)中提取其中包含的特征義原,最后再對(duì)特征義原進(jìn)行擴(kuò)展,得到擴(kuò)展后的特征項(xiàng),生成該類別的義原文檔。最后通過(guò)對(duì)生成的義原文檔進(jìn)行運(yùn)算,得到每個(gè)特征義原的權(quán)值。
3.本文還介紹了原
4、始向量空間模型(VSM)和同義詞向量空間模型(VS M)。原始VSM,即采用原始特征選擇方法得到的VS M;同義詞VSM,指特征選擇經(jīng)過(guò)同義詞表處理后的 VSM。為了結(jié)合不同 VSM的優(yōu)勢(shì),將三者融合,融合后的結(jié)果作為文本的特征項(xiàng)選擇空間,得到重構(gòu)的VSM模型,用來(lái)實(shí)現(xiàn)文本分類。
4.進(jìn)行實(shí)驗(yàn)驗(yàn)證了基于擴(kuò)展VSM的分類方法。本文通過(guò)采用不同特征選擇方法進(jìn)行實(shí)驗(yàn),得到分類結(jié)果的準(zhǔn)確率和召回率,并與本文中給出的擴(kuò)展VSM方法的實(shí)驗(yàn)
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)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(qǐng)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(qǐng)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(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)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(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)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(duì)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(qǐng)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(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 中文文本挖掘基本理論與應(yīng)用.pdf
- 基于檢索的中文文本挖掘技術(shù)研究與設(shè)計(jì).pdf
- web中文文本的數(shù)據(jù)挖掘技術(shù)研究.pdf
- 基于Web的中文文本挖掘技術(shù)的研究及實(shí)現(xiàn).pdf
- 面向文本分類的中文文本挖掘技術(shù)研究及實(shí)現(xiàn).pdf
- 面向web文本挖掘的中文文本自動(dòng)摘要關(guān)鍵技術(shù)研究.pdf
- 中文文本分類的研究與應(yīng)用.pdf
- 中文文本過(guò)濾技術(shù)的研究與實(shí)現(xiàn).pdf
- 面向解決方案的中文文本挖掘平臺(tái)研究.pdf
- 中文文本自動(dòng)分詞技術(shù)與算法研究.pdf
- 中文文本自動(dòng)分類技術(shù)的研究與改進(jìn).pdf
- 基于在線網(wǎng)站評(píng)論的中文文本挖掘.pdf
- 基于相關(guān)規(guī)則挖掘的中文文本分類.pdf
- 電力中文文本數(shù)據(jù)挖掘技術(shù)及其在可靠性中的應(yīng)用研究.pdf
- 中文文本自動(dòng)分類的應(yīng)用研究.pdf
- 中文文本信息過(guò)濾技術(shù)研究.pdf
- 中文文本蘊(yùn)涵識(shí)別技術(shù)研究.pdf
- 中文文本復(fù)制檢測(cè)技術(shù)研究.pdf
- 基于web文本挖掘技術(shù)的研究與應(yīng)用.pdf
- 中文文本主題詞抽取研究與應(yīng)用.pdf
評(píng)論
0/150
提交評(píng)論