基于機(jī)器學(xué)習(xí)的文本過濾方法研究.pdf

1、互聯(lián)網(wǎng)的迅猛發(fā)展和計(jì)算機(jī)水平的提高帶來了信息過載問題，如何快速地從中獲取用戶所需要的部分，成為一個(gè)亟待解決的問題。文本過濾所研究的內(nèi)容就是如何準(zhǔn)確地表達(dá)用戶需求，進(jìn)而在大規(guī)模的信息流中自動(dòng)地篩選出滿足用戶需求的信息，使人們更有效地利用信息資源。文本過濾涉及的知識范圍非常廣泛，綜合了自然語言理解、人工智能以及知識論等領(lǐng)域的知識，其關(guān)鍵技術(shù)主要包括文本分詞、文本特征向量降維、文本特征提取、用戶模板和過濾閾值初始化以及機(jī)器學(xué)習(xí)等。 本

2、文首先闡述文本過濾的基本問題，包括文本過濾的發(fā)展歷史和研究現(xiàn)狀、文本過濾的研究內(nèi)容、文本過濾系統(tǒng)的性能評價(jià)指標(biāo)以及與文本檢索的關(guān)系等。然后，著重對文本過濾中涉及的關(guān)鍵技術(shù)進(jìn)行深入地分析和探討。主要包括文本過濾模型、中文分詞技術(shù)、文本特征項(xiàng)的提取與權(quán)重計(jì)算以及文本過濾的主要方法，并提出了一種改進(jìn)的基于詞長的TFIDF特征項(xiàng)權(quán)值計(jì)算方法。最后，本文對自適應(yīng)文本過濾中的機(jī)器學(xué)習(xí)進(jìn)行了深入的研究，包括用戶模板學(xué)習(xí)和閾值學(xué)習(xí)。在此研究基礎(chǔ)上，本文