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59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(hù)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、隨著信息技術(shù)的不斷發(fā)展,以電子形式存儲(chǔ)的文本開(kāi)始泛濫,很多人們需要的信息往往被大量的垃圾信息所淹沒(méi),如何自動(dòng)地從這些文本中挖掘出有用的信息將成為一個(gè)重要的課題。中文作為使用最多的語(yǔ)言之一,其文本挖掘就非常重要。文本分類(lèi)作為文本挖掘中的一個(gè)重要分支,其步驟為:訓(xùn)練樣本的選取、文本表示、特征提取、構(gòu)造分類(lèi)器、驗(yàn)證分類(lèi)器性能。傳統(tǒng)的文本挖掘方法是一種基于統(tǒng)計(jì)的方法,它以詞頻作為分類(lèi)結(jié)果的主要影響因素,而不考慮詞序、詞義等更多的語(yǔ)義信息,在加權(quán)

2、階段采用了無(wú)指導(dǎo)的特征加權(quán)方法,沒(méi)有充分利用已帶類(lèi)標(biāo)簽的訓(xùn)練數(shù)據(jù)。
   相對(duì)于基于統(tǒng)計(jì)的文本挖掘方法,基于語(yǔ)義分析的方法能考慮更多的文本信息,從而大大提高文本挖掘的性能。語(yǔ)義分析主要集中在特征提取這個(gè)處理步驟中,采用詞典這種基于外部語(yǔ)義知識(shí)的方法對(duì)文本挖掘有著很大的幫助。為此提出了一種基于語(yǔ)義分析的特征提取方法以及針對(duì)加權(quán)步驟提出了一種改進(jìn)的有指導(dǎo)的加權(quán)方法:
   1.基于《同義詞語(yǔ)林》的文本特征提?。?br>  

3、 基于《同義詞語(yǔ)林》的文本特征提取是一種基于語(yǔ)義分析的文本處理方法。中文的語(yǔ)料庫(kù)相對(duì)較少且雜亂,能夠拿來(lái)研究使用的也只有《同義詞詞林》,并且在此基礎(chǔ)上也沒(méi)有一個(gè)系統(tǒng)的文本分類(lèi)方法。針對(duì)以上問(wèn)題,提出一個(gè)完整的基于語(yǔ)義的文本處理方法,該方法利用了《同義詞語(yǔ)林》編碼的特性,對(duì)文本分別作了多義詞消歧、同義詞替換和搭配詞組合的處理。
   2.改進(jìn)的有指導(dǎo)的特征加權(quán)方法:
   傳統(tǒng)無(wú)指導(dǎo)的加權(quán)方法并沒(méi)有充分利用分類(lèi)數(shù)據(jù)的特性,

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