短文本分類方法研究.pdf_第1頁
已閱讀1頁，還剩45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、隨著互連網的飛速發(fā)展和信息傳播手段的不斷進步,各種短文本數據已經源源不斷地大量涌現,如文章摘要、電子郵件、網上即時消息等。為了更好的應用它們,己有不少統(tǒng)計分類法和機器學習方法被應用到文本分類中,且都取得了相當好的效果,這其中包括:向量空間模型、最近K鄰居方法、決策樹模型、樸素貝葉斯、支持向量機和神經網絡等。這些方法自動化程度高、性能穩(wěn)定、適應性強,并且相對于人工文本分類更加高效。本文在此基礎上,對文本分類技術做了深入研究,重點針對短文本

2、數據提出有效分類算法。主要工作和特色如下:
　　 1、對目前國內外在文本分類技術上的研究工作做了簡單回顧和總結,并對其相關技術做了描述分析;
　　 2、對常用各種分類算法做重點分析研究,并通過實驗比較它們的分類性能,最后表明SVM在針對短文本數據綜合性能最好;
　　 3、對支持向量機做詳細分析研究,為更好地進行多值分類,提出一種基于類別層次結構的SVM多值分類算法,并用實驗證明其在搜索引擎應用的良好性能;

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