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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、已知一種高性能的兩步文本分類方法,第一步使用某種分類器對(duì)可靠部分的文本進(jìn)行分類,第二步使用某種分類器對(duì)不可靠部分的文本再進(jìn)行分類,該方法能夠明顯地提高分類的效果。而兩步分類時(shí)第一步和第二步所用分類器的組合有多種方案,現(xiàn)有的研究并沒有回答采用哪種組合方案效果最好。本文在中文長文本,中文短文本,英文文本中分別使用三種經(jīng)典的分類器Rocchio、Bayes、KNN進(jìn)行了系統(tǒng)地實(shí)驗(yàn)研究,提出一種無須窮舉式對(duì)比而能夠較快確定第一步的分類器的方法,
2、通過實(shí)驗(yàn)驗(yàn)證得出該方法的正確性。并且將多類別的分類問題轉(zhuǎn)換為多個(gè)兩類分類問題進(jìn)行了兩步分類的實(shí)驗(yàn)研究。研究過程如下:
(1)將Rocchio、Bayes、KNN三種分類器的類別判定公式在二維坐標(biāo)空間中進(jìn)行轉(zhuǎn)換。因?yàn)檫M(jìn)行兩步分類時(shí),須將分類器轉(zhuǎn)換成為能夠在二維坐標(biāo)中明確表示文本所屬類別測度的形式。
(2)通過實(shí)驗(yàn),分別確定了中文長文本,中文短文本,英文長文本的特征選擇算法,并且分別確定了第一步特征空間大小和第二
3、步特征空間大小。
(3)輸出Rocchio、Bayes、KNN三種分類器在二維空間的不可靠部分,驗(yàn)證Rocchio、Bayes、KNN三種分類器滿足在類別分割直線附近的較小區(qū)域內(nèi)出現(xiàn)較多的被錯(cuò)誤分類的文本。
(4)以英文長文本為例,用窮舉的方式,實(shí)驗(yàn)對(duì)比了Rocchio、Bayes、KNN三種分類器共九種組合的兩步分類效果,得出最優(yōu)的組合,并且將最優(yōu)組合和現(xiàn)有的研究結(jié)果進(jìn)行比較,表明最優(yōu)組合的效果有所提高。<
4、br> (5)研究和分析最優(yōu)組合當(dāng)中第一步所使用的分類器具有的特點(diǎn),提出假設(shè):當(dāng)分類器輸出的所有類別錯(cuò)誤率之和與所有類別的區(qū)域率之和的比值最大時(shí),應(yīng)該作為第一步分類器,且最優(yōu)組合存在于以其作為第一步分類器的時(shí)候。
(6)分別在中文長文本,中文短文本中驗(yàn)證所提假設(shè)的正確性。首先由(3)所得到的實(shí)驗(yàn)數(shù)據(jù)求得Rocchio、Bayes、KNN三種分類器各自的錯(cuò)誤率之和與區(qū)域率之和的比值,得到該值最大的分類器,然后以其作為第
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(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)頁內(nèi)容里面會(huì)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(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
- 基于兩步策略的英文文本分類研究.pdf
- 基于TAN的文本分類方法研究.pdf
- 基于新型兩步換流策略的RMC及其實(shí)驗(yàn)系統(tǒng)研究.pdf
- 基于鄰居輔助策略的兩階段層次文本分類模型研究.pdf
- 基于意群的文本分類方法研究.pdf
- 基于集成SVM的文本分類方法研究.pdf
- 短文本分類方法研究.pdf
- 基于內(nèi)容和情感的文本分類方法研究.pdf
- 基于改進(jìn)詞語權(quán)重的文本分類方法研究.pdf
- 基于相關(guān)主題模型的文本分類方法研究.pdf
- 基于流形學(xué)習(xí)的文本分類方法研究.pdf
- 基于WordNet本體庫的文本分類方法.pdf
- 基于詞向量的短文本分類方法研究.pdf
- 基于FPGA的文本分類高效實(shí)現(xiàn)方法研究.pdf
- 基于文本分類技術(shù)的信息過濾方法的研究.pdf
- 基于Spark并行化文本分類方法的研究.pdf
- 基于NMF的中文文本分類方法.pdf
- 文本分類的特征選擇和分類方法研究.pdf
- 基于改進(jìn)TFIDF的混合模型文本分類方法研究.pdf
- 基于語句特征提取的文本分類方法研究.pdf
評(píng)論
0/150
提交評(píng)論