

版權(quán)說(shuō)明:本文檔由用戶(hù)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(jiǎn)介
1、大量文本以電子形式存在,人們需要對(duì)大量的文本信息資源進(jìn)行有效的組織和管理,因此文本分類(lèi)引起人們的高度重視。近年來(lái),關(guān)于文本分類(lèi)技術(shù)的研究取得了很大進(jìn)展,并被應(yīng)用于眾多領(lǐng)域。本文深入研究了文本分類(lèi)與挖掘中的一些關(guān)鍵技術(shù),同時(shí)在對(duì)政府公文分類(lèi)、文本觀點(diǎn)極性分析以及專(zhuān)利挖掘任務(wù)進(jìn)行深入分析的基礎(chǔ)上,將文本分類(lèi)與挖掘技術(shù)應(yīng)用到上述領(lǐng)域,提出了相應(yīng)的解決方案,并通過(guò)大量實(shí)驗(yàn)證明了這些方案的有效性。主要工作包括:
(1)特征獨(dú)立性假設(shè)
2、在文本處理領(lǐng)域被普遍應(yīng)用,它雖然能大大簡(jiǎn)化文本計(jì)算,但與實(shí)際情況不符。本文首次將獨(dú)立分量分析技術(shù)應(yīng)用到文本處理領(lǐng)域,進(jìn)行面向文本分類(lèi)的獨(dú)立特征抽取,并對(duì)其中遇到的由于數(shù)據(jù)稀疏和維數(shù)過(guò)高造成的收斂速度慢,穩(wěn)定性差的問(wèn)題進(jìn)行了解決;將獨(dú)立分量分析技術(shù)與傳統(tǒng)的特征選取方法相結(jié)合,在通用數(shù)據(jù)集上進(jìn)行了文本分類(lèi)實(shí)驗(yàn),實(shí)驗(yàn)結(jié)果驗(yàn)證了這種技術(shù)的優(yōu)越性。
(2)政府公文均帶有主題詞,而主題詞攜帶了大量的類(lèi)別信息。如何利用這些信息幫助文本分
3、類(lèi)?首先本文針對(duì)主題詞不足的問(wèn)題,根據(jù)Bootstrapping學(xué)習(xí)框架構(gòu)建了一個(gè)主題詞相關(guān)詞的自動(dòng)獲取模型—KWB模型,用于對(duì)政府公文主題詞集合的擴(kuò)展;然后運(yùn)用隨機(jī)關(guān)鍵詞產(chǎn)生技術(shù),將公文文本表示成主題詞空間的條件概率,這樣也同時(shí)實(shí)現(xiàn)了文本特征空間的降維;將KWB模型與隨機(jī)關(guān)鍵詞產(chǎn)生技術(shù)相結(jié)合進(jìn)行了公文文本分類(lèi)實(shí)驗(yàn),結(jié)果證明該方法能充分利用主題詞的類(lèi)別信息,提高分類(lèi)性能。
(3)針對(duì)主觀句子判別正確率不高的問(wèn)題,應(yīng)用文本分
4、類(lèi)技術(shù),提出了三類(lèi)訓(xùn)練、兩類(lèi)判別的分類(lèi)框架。并在公開(kāi)語(yǔ)料MPQA上進(jìn)行了實(shí)驗(yàn),結(jié)果證明在語(yǔ)料中間接主觀句子極少的情況下,該框架也能有效提高主觀句子判別的準(zhǔn)確率。針對(duì)訓(xùn)練語(yǔ)料不足以及對(duì)實(shí)體多方面的觀點(diǎn)極性分析的需要,提出了一種基于弱指導(dǎo)學(xué)習(xí)的分析技術(shù),實(shí)現(xiàn)句子級(jí)的實(shí)體方面特征識(shí)別和實(shí)體多方面觀點(diǎn)的極性分析。實(shí)驗(yàn)證明該方法取得了較好的準(zhǔn)確率。
(4)通過(guò)深入分析NTCIR-7中專(zhuān)利挖掘任務(wù)的訓(xùn)練數(shù)據(jù)及任務(wù)難點(diǎn),提出kNN分類(lèi)框
5、架是完成此任務(wù)的很好選擇;針對(duì)訓(xùn)練數(shù)據(jù)分布極端不均衡的問(wèn)題,提出在Ranking決策時(shí)加懲罰因子的方法解決該問(wèn)題;研究了多種相似度計(jì)算方法,并在此基礎(chǔ)上提出、改進(jìn)了多種Ranking決策方法:如帶有大類(lèi)懲罰因子的Weak方法、NVote方法等。為了提高系統(tǒng)性能,應(yīng)用機(jī)器學(xué)習(xí)中的Log-linear和Rank-SVM模型提出了基于系統(tǒng)融合的結(jié)果鏈表二次調(diào)序方法。該方法使系統(tǒng)性能得到了很大提升,在NTCIR-7的評(píng)測(cè)中取得了第一名的好成績(jī)。
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)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(hù)所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)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(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶(hù)上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶(hù)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(hù)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
- 關(guān)聯(lián)文本分類(lèi)關(guān)鍵技術(shù)研究.pdf
- 文本分類(lèi)中的關(guān)鍵技術(shù)研究.pdf
- Web文本分類(lèi)關(guān)鍵技術(shù)研究與應(yīng)用.pdf
- Web文本分類(lèi)關(guān)鍵技術(shù)研究.pdf
- 面向?qū)@墨I(xiàn)數(shù)據(jù)的文本分類(lèi)若干關(guān)鍵技術(shù)研究.pdf
- 中文Web文本分類(lèi)關(guān)鍵技術(shù)研究與實(shí)現(xiàn).pdf
- 多層文本分類(lèi)與增量學(xué)習(xí)關(guān)鍵技術(shù)研究.pdf
- 中文文本分類(lèi)關(guān)鍵技術(shù)研究與實(shí)現(xiàn).pdf
- 面向文本分類(lèi)的中文文本挖掘技術(shù)研究及實(shí)現(xiàn).pdf
- 面向電信領(lǐng)域的數(shù)據(jù)挖掘關(guān)鍵技術(shù)研究.pdf
- 基于改進(jìn)KNN分類(lèi)算法的文本分類(lèi)關(guān)鍵技術(shù)研究與實(shí)現(xiàn).pdf
- 面向文本分類(lèi)的文本特征學(xué)習(xí)技術(shù)研究.pdf
- Web文本分類(lèi)關(guān)鍵技術(shù)的研究與實(shí)現(xiàn).pdf
- 面向web文本挖掘的中文文本自動(dòng)摘要關(guān)鍵技術(shù)研究.pdf
- 面向航運(yùn)領(lǐng)域的文本分類(lèi)系統(tǒng).pdf
- 多標(biāo)簽中文文本分類(lèi)中的關(guān)鍵技術(shù)研究.pdf
- 文本挖掘關(guān)鍵技術(shù)研究及實(shí)現(xiàn).pdf
- 面向領(lǐng)域的數(shù)據(jù)集成關(guān)鍵技術(shù)研究與應(yīng)用.pdf
- 面向服務(wù)的數(shù)據(jù)挖掘關(guān)鍵技術(shù)研究.pdf
- 面向生物醫(yī)學(xué)領(lǐng)域的文本挖掘技術(shù)研究.pdf
評(píng)論
0/150
提交評(píng)論