中文文本主題關(guān)鍵短語提取算法研究_2539.pdf_第1頁
已閱讀1頁，還剩74頁未讀， 繼續(xù)免費閱讀

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)，請進行舉報或認(rèn)領(lǐng)

文檔簡介

1、在大數(shù)據(jù)時代，信息量暴增，人們接觸最多的信息就是文本信息，毎天在互聯(lián)網(wǎng)上都有無數(shù)文本信息被上傳或下載?？焖僬莆者@些文本信息內(nèi)容的重要方法之一就是關(guān)鍵詞提取。然而，在以往的關(guān)鍵詞提取算法中，人們忽略了兩個重要的方面；一是詞語長度；二是文本主題，本文考慮了以上兩方面問題，針對中文文本主題關(guān)鍵短語提取算法進行了研究，主要研究內(nèi)容如下：
　　1.建立了一種新的面向中文文本的提取主題關(guān)鍵短語的算法。該算法具有以下新特性：
　　(1)基

2、于KERT的算法框架，將LDA主題模型與頻繁短語發(fā)現(xiàn)算法相結(jié)合，提取綜合文本集合中隱含主題的關(guān)鍵短語，有效縮小候選短語集的大??；
　　(2)本文提出了改進的排序算法，能夠剔除不完整的候選短語，避免提取結(jié)果中出現(xiàn)關(guān)鍵短語及其子短語共現(xiàn)問題，再將不同長度的候選完整短語進行排序選擇；
　　(3)本文的主題關(guān)鍵短語提取算法能夠同時提取出短語級和詞語級的中文關(guān)鍵詞，并且能夠同時適用于長文木集和短文本集。
　　2.對建立的中文文本

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。

評論

0/150

提交評論