版權說明: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,請進行舉報或認領
文檔簡介
1、在一個信息爆炸的時代,如何在含有大量文本的數(shù)據(jù)中,準確把握脈絡和重點,快速的獲得有用的信息,并且合理的管理和使用這些信息,進而實現(xiàn)對數(shù)據(jù)體系更準確的判斷和預測,已經(jīng)成為當今亟待解決的問題。在不同種類的數(shù)據(jù)形式中,本文針對一種特定的含有文本的數(shù)據(jù),即多維文本數(shù)據(jù),開展研究。
多維文本數(shù)據(jù)在商業(yè)、科學等領域都廣泛存在,其數(shù)據(jù)實體既包含多維結構化數(shù)據(jù),也包含描述性文本數(shù)據(jù),大多數(shù)情況下,描述性文本數(shù)據(jù)中蘊含了很多重要信息。信息網(wǎng)絡是
2、我們分析研究中經(jīng)常使用的模型工具,韓家煒等人開創(chuàng)性的提出可以利用信息網(wǎng)絡分析方法,從數(shù)據(jù)庫中發(fā)現(xiàn)知識。
近年來,對于多維文本數(shù)據(jù)的研究大多在分類和聚類、情感分析、意見挖掘等方面,而新興的信息網(wǎng)絡分析方法的研究主要針對不含有文本屬性的信息處理方面。目前這兩類研究已經(jīng)各自形成了較為系統(tǒng)的研究體系,并積累了一定的研究成果,而我們的研究是嘗試推動兩者交匯融合,改變以往屬性數(shù)據(jù)和文本數(shù)據(jù)各自分別分析的不足。信息網(wǎng)絡分析方法,分析的不僅僅
3、是單一的實體節(jié)點,還包括節(jié)點間的相互聯(lián)系,以及節(jié)點所蘊含的信息內(nèi)容。本文中的信息網(wǎng)絡,即是將具有文本內(nèi)容、相互之間又具有聯(lián)系的數(shù)據(jù)實體,抽象為圖結構,以節(jié)點表示實體,以節(jié)點之間的邊來表達實體之間的關聯(lián)。利用信息網(wǎng)絡分析方法對多維文本數(shù)據(jù)中的結構化屬性數(shù)據(jù)和非結構化文本數(shù)據(jù)進行綜合分析,互相促進,充分利用含有文本內(nèi)容的多維文本數(shù)據(jù)的全部信息,為多維文本數(shù)據(jù)分析技術探索有效的分析手段。
構建文本特征維度是對多維文本數(shù)據(jù)進行分析的重
4、要基礎和研究方法。文本特征維度,是指可以將文本文檔集合映射成樹節(jié)點,每個節(jié)點代表一個分類,特征維度樹的根節(jié)點代表全體文檔集合,每一層的節(jié)點代表相應的小類集合,使文本數(shù)據(jù)有維度層次的性質(zhì)。本文探索如何利用信息網(wǎng)絡分析方法在多維文本數(shù)據(jù)中自動構建文本特征維度,提高分析結果的可讀性。
一個有維度的文本數(shù)據(jù)集可以進行鉆取、切片等OLAP操作,本文基于信息網(wǎng)絡分析方法對多維文本數(shù)據(jù)集進行多社團發(fā)現(xiàn)并生成了特征維度樹,提出了一種新的基于加
5、權異構信息網(wǎng)絡多社團發(fā)現(xiàn)的維度生成方法,將維映射為文本特征維,層映射為每次迭代計算生成的加權異構信息網(wǎng)絡,度量映射為集合的特征短語。本文所作的工作如下:
1.探索多維文本數(shù)據(jù)有效分析和建立文本特征維度的方法
提出一種基于加權異構信息網(wǎng)絡多社團發(fā)現(xiàn)的維度生成方法。與TopicCube、MCX等單一文本數(shù)據(jù)分析方法等相比,本文的維度生成方法利用了信息網(wǎng)絡分析方法來進行結構化屬性類數(shù)據(jù)、非結構化文本類數(shù)據(jù)的綜合分析,使用特
6、征短語做度量,實現(xiàn)了生成非結構化文本類數(shù)據(jù)的文本特征維度,使得維度結果簡單直觀。通過實驗驗證該方法具有良好的發(fā)現(xiàn)效果。
2.提出加權異構信息網(wǎng)絡模型的構建方法
提出一種基于關聯(lián)路徑的信息網(wǎng)絡構建方法。針對難以進行更精細分析的文本對象時,尋找密切關聯(lián)的新屬性對象代表原文本對象進行分析,基于新舊對象關聯(lián)共生的屬性,對新對象的分析就是對原文本對象的進一步分析,達成創(chuàng)造新的證據(jù)支持對原文本對象進行分析的目的。提出的加權異構信
7、息網(wǎng)絡構建算法,將文本對象用向量空間模型表示,根據(jù)文檔中特征短語出現(xiàn)的位置和詞頻,計算所有文檔之間的內(nèi)容相似度,構造文檔-文檔的關聯(lián)邊;根據(jù)作者之間的合作路徑關系,修正計算所有文檔之間的相似度;用文檔間相似度的評價修正作者間相似度的權重,迭代計算同類節(jié)點間的權重,根據(jù)所有節(jié)點間關聯(lián)邊構造出加權異構信息網(wǎng)絡。
3.提出加權異構信息網(wǎng)絡的按粒度進行多社團發(fā)現(xiàn)的維度生成算法
提出一種針對加權異構信息網(wǎng)絡的按粒度進行多社團發(fā)
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(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
- 異構信息網(wǎng)絡檢索技術研究.pdf
- 信息網(wǎng)絡異構數(shù)據(jù)交換技術研究與實現(xiàn).pdf
- 極性異構信息網(wǎng)絡的聯(lián)系預測技術研究.pdf
- 基于異構信息網(wǎng)絡的協(xié)同過濾推薦技術研究.pdf
- 信息網(wǎng)絡多維分析方法的研究.pdf
- 極性異構信息網(wǎng)絡相關性搜索技術研究.pdf
- 基于水下信息網(wǎng)絡的水下導航技術研究.pdf
- 基于元路徑的異構信息網(wǎng)絡挖掘方法研究.pdf
- 基于異構信息網(wǎng)絡的臨床用藥決策算法研究.pdf
- 異構信息網(wǎng)絡上的主題建模研究.pdf
- 基于向量機的校園網(wǎng)文本數(shù)據(jù)分析與過濾技術研究.pdf
- 面向電力信息網(wǎng)絡多維感知識別技術的研究.pdf
- 基于異構信息網(wǎng)絡聚類的APP推薦算法研究.pdf
- 異構信息網(wǎng)絡分析模型及其應用研究.pdf
- 電力信息網(wǎng)絡的風險評估技術研究.pdf
- 異構信息網(wǎng)絡上的相似性搜索研究.pdf
- 基于mpls―vpn技術的信息網(wǎng)絡融合研究
- 信息網(wǎng)絡系統(tǒng)擁塞控制技術研究.pdf
- 基于VxWorks的水下信息網(wǎng)絡控制技術的研究.pdf
- 電廠信息網(wǎng)絡安全分析——基于數(shù)據(jù)挖掘技術的入侵檢測系統(tǒng)的研究.pdf
評論
0/150
提交評論