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、科技文獻是人們獲得科技信息的重要來源之一,通過對科技文獻進行有效的處理,可以揭示文獻內(nèi)部潛在的信息和知識,進而使人們可以快速、高效地獲取文獻信息??萍嘉墨I的自動分類是信息檢索和數(shù)據(jù)挖掘領(lǐng)域的一個重要研究內(nèi)容,已成為當(dāng)今文獻信息處理方法的研究熱點。對科技文獻進行自動分類和評價需要深入分析文獻的信息特征,同時要把機器學(xué)習(xí)、自然語言處理等多種方法合理運用到文獻分析領(lǐng)域,并研究其有效的實現(xiàn)方法?;谖墨I的概括性短篇幅文本信息(如標(biāo)題、摘要、關(guān)鍵
2、詞等)實現(xiàn)對文獻集的自動分類是具有較高使用價值的研究課題。
概括性短篇幅文本信息特征詞稀少,難以體現(xiàn)文獻之間的相關(guān)性,且因交叉學(xué)科和多類別科技文獻的存在,通過一般方法對科技文獻進行硬性的劃分歸類顯然是不科學(xué)的。為此,本學(xué)位論文分析了科技文獻特有的行文特點,根據(jù)表現(xiàn)文獻的概括性特征的表層文本信息,采用多標(biāo)記聚類方法對文獻集進行了多主題自動分類,按照不同的主題把同一個文獻劃分到不同類別,從而可從多角度體現(xiàn)文獻主題,有利于表現(xiàn)文獻的
3、多學(xué)科特征,并給出了基于自動劃分的文獻集豐富性評價方法。
首先,通過詞頻選擇特征詞,利用向量空間模型(VSM)表示文檔集,并針對傳統(tǒng)文本信息處理存在的問題,引入潛在語義分析模型,通過基于奇異值分解(SVD)的語義降維方法對所建立的特征詞-文檔關(guān)聯(lián)矩陣進行分解降維,獲得了文獻集的低維潛在語義空間表示,揭示出文獻之間的語義關(guān)系。
其次,基于改進的K-means算法,對文獻集進行了聚類處理,同時通過文獻聚類粒度的自適應(yīng)確定
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
- 基于文本挖掘和表層信息的論文閱讀價值評價方法.pdf
- 基于科技文獻的時序主題鏈構(gòu)建方法研究.pdf
- 基于粗糙集的多標(biāo)記文本分類方法研究.pdf
- 基于事件要素網(wǎng)絡(luò)的多主題文本自動文摘方法研究.pdf
- 基于主題概念樹的科技文本分類方法研究和實現(xiàn).pdf
- 基于科技文獻的科技監(jiān)測信息可視化方法研究.pdf
- 基于主題分析的文本檢索方法研究.pdf
- 基于領(lǐng)域本體和主題劃分的多文檔自動摘要研究.pdf
- 基于主題地圖的文獻組織方法研究.pdf
- 基于相關(guān)主題模型的文本分類方法研究.pdf
- 基于頻繁項集的文本聚類方法研究.pdf
- 基于科技文獻的中文文本分類算法研究.pdf
- 基于粗糙集的數(shù)據(jù)及文本挖掘方法研究.pdf
- 基于粗糙集理論的文本分類方法研究.pdf
- 基于改進GSDMM聚類模型的機器人文獻主題劃分研究.pdf
- 基于主題相似度的短文本分類方法研究.pdf
- 基于Rough集的Web文本分類及其信息抽取研究.pdf
- 基于信息熵的文本特征加權(quán)方法研究.pdf
- 基于網(wǎng)絡(luò)文本的多詞表達抽取方法研究.pdf
- 基于文本分類技術(shù)的信息過濾方法的研究.pdf
評論
0/150
提交評論