基于圖模型的Web文檔分類方法研究.pdf_第1頁
已閱讀1頁,還剩59頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、目前,一些比較成熟的文本分類算法已經被應用到了文本分類中,但它們大都是基于向量空間模型(Vector Space Model)的。向量空間模型(Vector Space Model)將每篇文章的處理轉化為高維向量空間的向量計算,每一個分量表示一個詞元權重,也就是把每篇文章的處理轉化為了向量的計算。這種方法降低了文檔處理的計算復雜度,提高了處理速度。但向量空間模型把文檔看成詞的集合,假設詞與詞之間是獨立的,這樣就損失了大量的文本結構信息,

2、而在自然語言中,詞與詞之間往往是相互關聯(lián)的,所以文章的上下文之間的聯(lián)系也是非常重要的。為了解決這個問題,一些國內外學者提出了基于圖模型的文本表示方法。
   為了實現圖模型下的文本分類,本文對選用的語料庫進行了預處理工作;分析了現有的特征選擇算法,選擇了開方檢驗的方法對文本進行了特征選擇;針對現有的計算權值的方法進行了改進,找到了一種適合圖模型下文本分類的權值計算方法;根據圖模型的定義,建立了文本的圖模型;并找出一種計算相似系數

3、的方法對文本進行了分類,完成了整個圖模型文本分類的整個過程。
   本文從文本的預處理、特征選擇、圖模型的建立、圖模型的相似系數的計算等幾個文本分類的重要環(huán)節(jié),設計出了自己的算法,給出了一種圖模型中計算權值的具體方法,建立了有權無向圖,并對這些算法進行了實現。選用了Sougou語料庫的3個類別:c8財經類、c10 IT類和c13健康類進行實驗,分析了準確率(P)、召回率(R)和F1值這些評價文本分類算法的結果,并得出結論,證明了

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,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,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。

評論

0/150

提交評論