2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩55頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

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(bào)或認(rèn)領(lǐng)

文檔簡介

1、隨著信息時(shí)代的來臨以及互聯(lián)網(wǎng)絡(luò)的飛速普及,人們的生活習(xí)慣也隨之發(fā)生了很大的變化,把更多的時(shí)間和精力從報(bào)紙刊物轉(zhuǎn)向了網(wǎng)絡(luò)媒體。網(wǎng)絡(luò)媒體已經(jīng)成為了人們獲取信息的重要途徑。但是,面對浩瀚如煙的海量網(wǎng)絡(luò)數(shù)據(jù),如何快速準(zhǔn)確地定位到自己感興趣的內(nèi)容,成為了我們需要解決的問題。
   文本數(shù)據(jù)挖掘是利用計(jì)算機(jī)通過某種手段從文本數(shù)據(jù)中獲得有價(jià)值信息的一項(xiàng)技術(shù)。其中,文本分類和文本聚類是這項(xiàng)計(jì)算機(jī)處理技術(shù)中非常重要的兩種方法。研究發(fā)現(xiàn),用于分類和

2、聚類中傳統(tǒng)的特征選擇方法無法考察特征詞詞頻在文本集合中的分布,因而這些方法不能精確地衡量特征詞的類別區(qū)分能力。為了彌補(bǔ)這點(diǎn)不足,本文將云模型理論引入文本特征選擇中,所做的工作主要有以下幾個(gè)方面。
   第一、對文本分類和聚類技術(shù)進(jìn)行了較為詳細(xì)地闡述。對其中傳統(tǒng)的特征選擇方法做了深入地研究和探討,詳細(xì)地對比和分析了它們的區(qū)別和存在的不足。
   第二、在文本分類中,利用云模型理論分別從關(guān)聯(lián)度和區(qū)分度兩個(gè)方面來衡量特征詞的重

3、要程度。本文將特征詞映射成分類詞云滴,用關(guān)聯(lián)云來描述詞云滴在單個(gè)類別中的分布,用區(qū)分云描述詞云滴在多個(gè)類別中的分布,進(jìn)而構(gòu)建關(guān)聯(lián)云過濾器和區(qū)分云過濾器進(jìn)行特征選擇。實(shí)驗(yàn)采用樸素貝葉斯和SVM這兩種分類器來驗(yàn)證這種方法的有效性。
   第三、在文本聚類中,利用云模型理論將特征詞映射成聚類詞云滴,并將詞云滴躍升聚類文檔云。構(gòu)造聚類文檔云過濾器在無類別標(biāo)識的文檔中選擇有區(qū)分能力的特征詞。實(shí)驗(yàn)采用K-means聚類算法驗(yàn)證了聚類云特征的

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(hù)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(shí)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。

評論

0/150

提交評論