2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩66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(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領

文檔簡介

1、本體理論在信息科學領域受到廣泛關注和普遍認同,構(gòu)建完備且準確的領域本體已經(jīng)越來越重要。目前國內(nèi)外許多研究采用領域?qū)<覅⑴c的方法來構(gòu)建本體,但由人工處理大量的數(shù)據(jù)是非常困難的。為了提高處理效率,本論文運用SOM神經(jīng)網(wǎng)絡對本體構(gòu)建數(shù)據(jù)作處理,自動發(fā)現(xiàn)構(gòu)建本體所需的術語、屬性及屬性間的關系等。 本文首先進行了SOM神經(jīng)網(wǎng)絡數(shù)據(jù)聚類實驗,鑒于它在數(shù)據(jù)聚類上的優(yōu)勢,決定采用基于語料庫的SOM神經(jīng)網(wǎng)絡對本體構(gòu)建數(shù)據(jù)進行無監(jiān)督的自動聚類。其次

2、,在聚類實驗中發(fā)現(xiàn)SOM神經(jīng)網(wǎng)絡對類間語義距離小的數(shù)據(jù)邊界劃分模糊,提出了SOM神經(jīng)網(wǎng)絡與基于劃分的聚類算法相結(jié)合的算法改進,作為對這種缺陷的一種彌補方法。 在聚類運算中,構(gòu)造SOM神經(jīng)網(wǎng)絡輸入向量是整個運算的關鍵,文中詳細的闡述了輸入向量構(gòu)造所需的技術:上下文窗口的構(gòu)造、特征詞的信息增益值計算和反比文檔頻數(shù)權重評價法(TFIDF法)。本文使用了兩種構(gòu)造SOM神經(jīng)網(wǎng)絡輸入向量的方法:(1)針對收集到的數(shù)據(jù)是無序詞匯的情況,基于成

3、熟語料庫使用上下文窗口對聚類特征詞進行頻率統(tǒng)計,先計算并排序特征詞的信息增益值,然后選用TFIDF法構(gòu)造SOM神經(jīng)網(wǎng)絡的輸入向量;(2)針對本體構(gòu)建中收集到的數(shù)據(jù)是從網(wǎng)絡文本中得到的,聚類特征詞的頻率統(tǒng)計并不基于語料庫而直接使用上下文窗口在網(wǎng)絡文本中進行,然后,應用TFIDF法構(gòu)造SOM神經(jīng)網(wǎng)絡的輸入向量。 課題的實驗部分,應用SOM神經(jīng)網(wǎng)絡對構(gòu)建交通領域本體的數(shù)據(jù)進行聚類運算。首先,通過上述的第一種向量構(gòu)造方法對數(shù)據(jù)作預處理。

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(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權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)容負責。
  • 6. 下載文件中如有侵權或不適當內(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。

最新文檔

評論

0/150

提交評論