版權(quán)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(quán),請進行舉報或認領(lǐng)
文檔簡介
1、隨著信息技術(shù)的迅速發(fā)展,大量文本信息不斷涌入我們的視野,在這樣一個信息化時代里,如何快速有效地在這浩瀚的信息海洋里找到需要的東西是亟待解決的問題。目前的檢索效果不是很理想,主要原因在于用戶不能很好地表達自己的需求,而系統(tǒng)給出過多的查詢結(jié)果,給用戶檢索帶來諸多不便。如果能讓用戶在結(jié)果集中去掉或保留和某一文本相似的文本集合,就可以大大減少用戶閱讀量。而文本的自動分類研究以及文本相似度的判別研究工作在這里就起到了重要的作用。目前文本自動分類所
2、采用的主要方法是向量空間模型。該方法的思想是把文本分割成由詞或字組成的特征項,進而把文本表征成由特征項構(gòu)成的向量空間中的一個點,通過計算向量之間的夾角來判定文本之間的相似程度。目前關(guān)于自動分類的研究已經(jīng)取得了很大的進展,并提出了一些有效的算法,如Bayes 算法、支撐向量機SVM(support vectormachine)、Boosting、KNN(k-nearest neighbors)算法等等,其中適用最廣泛的是KNN算法。基于向
3、量空間模型的算法作為一種簡單、有效的算法,在文檔分類中引起廣泛關(guān)注,并且取得了很好的成果。但是,其中的大多數(shù)算法都因為計算復(fù)雜度太高而不適用于大規(guī)模的場合,而造成算法復(fù)雜度太高的原因之一,就是向量空間模型中向量空間的維數(shù)過多。因此,如果能夠有效地降低向量空間的維數(shù),則算法復(fù)雜度將大大降低,準(zhǔn)確度也將大大提高。 論文中提出了一種提高算法分類精度的方法:對一個標(biāo)準(zhǔn)詞庫按照語義相似程度進行統(tǒng)一分類,把4萬多個詞條聚集成300個左右的類
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(quán)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(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 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(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)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(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)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
- 基于語義的文本相似度計算研究.pdf
- 基于語義相似度的中文文本相似度算法研究.pdf
- 基于語義分析的文本相似度算法研究.pdf
- 基于語義情感傾向的文本相似度計算.pdf
- 基于語義的文本相似度算法研究及應(yīng)用.pdf
- 基于語義加權(quán)的中文文本相似度計算研究.pdf
- 基于《知網(wǎng)》的文本相似度研究.pdf
- 基于語序片的文本相似度研究.pdf
- 文本相似度的研究與應(yīng)用.pdf
- 語義網(wǎng)圖中文本相似度方法的應(yīng)用研究.pdf
- 基于文本空間表示模型的文本相似度計算研究
- 文本語義相似度研究.pdf
- 基于文本相似度的中文文本聚類的研究.pdf
- 基于文本相似度的論文查重方法研究.pdf
- 基于文本分類的語義相似度研究.pdf
- 基于PageRank值的文本相似度改進模型.pdf
- 信息檢索中語義分析技術(shù)與文本相似度模型研究.pdf
- 一種基于語義網(wǎng)絡(luò)的中文文本相似度計算方法.pdf
- 基于領(lǐng)域詞典的中文文本相似度匹配.pdf
- 基于馬爾科夫模型的文本相似度研究.pdf
評論
0/150
提交評論