2023年全國(guó)碩士研究生考試考研英語(yǔ)一試題真題(含答案詳解+作文范文)_第1頁(yè)
已閱讀1頁(yè),還剩37頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、 隨著WWW的迅猛發(fā)展,對(duì)網(wǎng)頁(yè)進(jìn)行分類(lèi)成為處理和組織大量文檔數(shù)據(jù)的關(guān)鍵技術(shù)。由于最大熵模型可以綜合觀察到的各種相關(guān)或不相關(guān)的概率知識(shí),對(duì)許多問(wèn)題的處理都可以達(dá)到較好的結(jié)果。研究者通過(guò)實(shí)驗(yàn)比較和分析了基于最大熵模型的分類(lèi)器的分類(lèi)性能,并且分別對(duì)其進(jìn)行了特征優(yōu)化、預(yù)分類(lèi)處理以及平滑處理的比較,結(jié)果發(fā)現(xiàn)預(yù)分類(lèi)處理對(duì)分類(lèi)的幫助是很明顯的,其余兩種操作也在一定程度上提高了分類(lèi)精度。 本文針對(duì)最大熵的優(yōu)點(diǎn)做了以下研究:(1)對(duì)網(wǎng)頁(yè)結(jié)構(gòu)

2、進(jìn)行分析,根據(jù)其連接程度分為C-Hub頁(yè)面和內(nèi)容頁(yè)面兩種,以便進(jìn)一步研究時(shí),可根據(jù)不同的特點(diǎn)采取不同的研究方法,旨在提高網(wǎng)頁(yè)的分類(lèi)精度。 (2)對(duì)網(wǎng)頁(yè)進(jìn)行了預(yù)處理,包括分詞、建造類(lèi)別詞庫(kù)等。通過(guò)對(duì)詞專(zhuān)指度的計(jì)算,給出能夠確定文章類(lèi)別的關(guān)鍵詞入庫(kù)。 (3)基于最大熵模型,本文用GIS算法求得特征函數(shù),并用傳統(tǒng)的特征歸納方法,通過(guò)計(jì)算兩個(gè)概率分布之間的距離,分析引入某一特征后的信息增益,對(duì)每一特征進(jìn)行篩選,選出有用的特征組成

3、一個(gè)特征優(yōu)化集合。 (4)分別對(duì)結(jié)構(gòu)分析得到的兩種頁(yè)面設(shè)計(jì)特征函數(shù)。對(duì)于內(nèi)容頁(yè)面,由于其形式與純文本文檔非常接近,我們用詞-類(lèi)別作為其特征,采用詞頻作為特征值;對(duì)于C-Hub頁(yè)面,由于有較高的文字鏈接比,我們主要對(duì)HTML格式進(jìn)行分析。首先通過(guò)分析HTML語(yǔ)言提取出一個(gè)優(yōu)化的HTML標(biāo)記集合作為研究對(duì)象,然后引入Salton提出的文本表示方法,并加以改進(jìn),用以表示網(wǎng)頁(yè)內(nèi)容,把詞本身的特征與其所在位置相結(jié)合,計(jì)算出特征值ti,生成

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)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)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(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。

評(píng)論

0/150

提交評(píng)論