中文文本主題關(guān)鍵短語(yǔ)提取算法研究_2539.pdf_第1頁(yè)
已閱讀1頁(yè)，還剩74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、在大數(shù)據(jù)時(shí)代，信息量暴增，人們接觸最多的信息就是文本信息，毎天在互聯(lián)網(wǎng)上都有無(wú)數(shù)文本信息被上傳或下載?？焖僬莆者@些文本信息內(nèi)容的重要方法之一就是關(guān)鍵詞提取。然而，在以往的關(guān)鍵詞提取算法中，人們忽略了兩個(gè)重要的方面；一是詞語(yǔ)長(zhǎng)度；二是文本主題，本文考慮了以上兩方面問(wèn)題，針對(duì)中文文本主題關(guān)鍵短語(yǔ)提取算法進(jìn)行了研究，主要研究?jī)?nèi)容如下：
　　1.建立了一種新的面向中文文本的提取主題關(guān)鍵短語(yǔ)的算法。該算法具有以下新特性：
　　(1)基

2、于KERT的算法框架，將LDA主題模型與頻繁短語(yǔ)發(fā)現(xiàn)算法相結(jié)合，提取綜合文本集合中隱含主題的關(guān)鍵短語(yǔ)，有效縮小候選短語(yǔ)集的大小；
　　(2)本文提出了改進(jìn)的排序算法，能夠剔除不完整的候選短語(yǔ)，避免提取結(jié)果中出現(xiàn)關(guān)鍵短語(yǔ)及其子短語(yǔ)共現(xiàn)問(wèn)題，再將不同長(zhǎng)度的候選完整短語(yǔ)進(jìn)行排序選擇；
　　(3)本文的主題關(guān)鍵短語(yǔ)提取算法能夠同時(shí)提取出短語(yǔ)級(jí)和詞語(yǔ)級(jí)的中文關(guān)鍵詞，并且能夠同時(shí)適用于長(zhǎng)文木集和短文本集。
　　2.對(duì)建立的中文文本

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