已閱讀1頁，還剩69頁未讀， 繼續(xù)免費閱讀
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(rèn)領(lǐng)
文檔簡介
1、在互聯(lián)網(wǎng)高度發(fā)達(dá)的今天,信息技術(shù)滲透到了日常生活中的點點滴滴,互聯(lián)網(wǎng)上幾乎擁有人們所需要的全部信息。對于如何在海量的互聯(lián)網(wǎng)信息中找到不同個體、單位所需要的知識提出了挑戰(zhàn)。面對這個挑戰(zhàn),數(shù)據(jù)挖掘得以提出。文本分類是數(shù)據(jù)挖掘領(lǐng)域的一個重要分支。如何對互聯(lián)網(wǎng)上的海量文本信息進行分類,已經(jīng)成為信息科學(xué)領(lǐng)域所面臨的一個重大挑戰(zhàn)。
論文采用樸素貝葉斯文本分類算法,研究并實現(xiàn)了云計算環(huán)境下的網(wǎng)頁自動分類系統(tǒng),包括網(wǎng)頁預(yù)處理、訓(xùn)練過程以及分類
2、過程的MapReduce方法。探討了利用TF-IDF-DI公式計算特征項權(quán)重的方法,以增加本文所關(guān)注的低頻卻具有較高分類能力特征項的權(quán)重,在 TF-IDF-DI公式計算權(quán)重的基礎(chǔ)上,利用基于特征的增量學(xué)習(xí)算法,降低計算冗余度的同時,提高了分類器的分類能力與智能性。
實驗表明以MapReduce方式來執(zhí)行網(wǎng)頁分類任務(wù)提高了計算效率,能滿足快速響應(yīng)的需求,采用樸素貝葉斯分類算法對中文文本進行分類取得了良好效果。利用TF-IDF-D
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。
最新文檔
- 改進樸素貝葉斯文本分類器的特征選擇方法探討.pdf
- 基于Spark的貝葉斯文本分類算法研究與實現(xiàn).pdf
- 貝葉斯文本分類器的研究與改進.pdf
- 特征選擇與貝葉斯文本分類方法的研究.pdf
- 基于樸素貝葉斯的高血壓文本分類的研究.pdf
- 基于樸素貝葉斯技術(shù)的藏文文本分類
- 基于樸素貝葉斯方法的中文文本分類研究.pdf
- MapReduce框架下的貝葉斯文本分類學(xué)習(xí)研究.pdf
- 數(shù)據(jù)挖掘系統(tǒng)及其應(yīng)用研究—用關(guān)聯(lián)特征提高樸素貝葉斯文本分類器的性能.pdf
- 基于K-鄰近和樸素貝葉斯的文本分類系統(tǒng)設(shè)計與實現(xiàn).pdf
- 基于無監(jiān)督聚類和樸素貝葉斯分類的文本分類方法研究.pdf
- 基于貝葉斯過濾的文本分類技術(shù)的研究與實現(xiàn).pdf
- 云環(huán)境中基于樸素貝葉斯負(fù)載均衡技術(shù)的研究與實現(xiàn).pdf
- 基于云計算的文本分類研究與應(yīng)用.pdf
- 基于樸素貝葉斯的中文文本情感傾向分類研究.pdf
- 文本分類中的貝葉斯特征選擇.pdf
- 基于貝葉斯的網(wǎng)頁文本分類算法.pdf
- 樸素貝葉斯分類模型的研究與應(yīng)用.pdf
- 樸素貝葉斯分類算法的研究與應(yīng)用.pdf
- 樸素貝葉斯分類改進算法的研究.pdf
評論
0/150
提交評論