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(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、網(wǎng)絡(luò)技術(shù)迅速發(fā)展的今天,人們越來越感受到了信息的沖擊,而文本是信息的重要載體,人們?nèi)粘I钪兴佑|到的信息有80%左右以文本的形式存在。信息內(nèi)容和格式的多樣化、復(fù)雜化,使人們無法遍歷所有感興趣的內(nèi)容,而且又不存在標(biāo)準(zhǔn)的文本分類準(zhǔn)則,所以管理收集到的文本信息成為亟待解決的問題,對于文本聚類技術(shù)的研究更顯重要。 現(xiàn)有的文本聚類方法大多采用基于VSM的關(guān)鍵詞匹配來計(jì)算文本間相似度,這種方法的最大的缺點(diǎn)就是忽略了詞之間的語義信息,忽略了
2、各維度之間的聯(lián)系,導(dǎo)至文本的相似度計(jì)算不夠精確,所以本文從語義上具體分析文檔,利用文本具體語義計(jì)算文本間的相似度,使得文本聚類結(jié)果更合理,主要工作及創(chuàng)新點(diǎn)有: 1、以《知網(wǎng)》作為語義的本體,利用語義距離計(jì)算文檔間相似度,把文檔間相似度計(jì)算具體轉(zhuǎn)化為詞語間語義距離、義原間語義距離。考慮到文本聚類具體應(yīng)用,本文根據(jù)《知網(wǎng)》描述各個(gè)詞的規(guī)律,改進(jìn)現(xiàn)有詞語相似度計(jì)算方法,更有利于發(fā)現(xiàn)詞語的相關(guān)性,適應(yīng)了文本聚類的要求。 2、文本
3、聚類算法主要采用一次遍歷聚類算法即最近鄰聚類算法,并提出第二次聚類方法改進(jìn)最近鄰算法對輸入次序敏感的問題。類中心方面,引入相似權(quán)重的概念,并根據(jù)權(quán)重優(yōu)勝略汰候選類特征詞,使得最后選擇的類特征詞能夠代表類的主題,達(dá)到文本聚類的目的. 論文最后實(shí)驗(yàn)語料來源于中科院的中文自然語言處理開放平臺(CNLP)網(wǎng)站,下載了100篇文檔對所提出的算法進(jìn)行了實(shí)驗(yàn),并利用聚類精度和召回率對實(shí)驗(yàn)結(jié)果進(jìn)行了評價(jià),然后把評價(jià)結(jié)果與基于VSM的K-Mean
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(hù)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(fù)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(shí)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
- 基于語義的短文本聚類算法研究.pdf
- 基于潛在語義索引的文本聚類算法研究.pdf
- 基于語義相似度的文本聚類算法的研究.pdf
- 基于語義的文本聚類搜索研究.pdf
- 基于語義相似度的論文文本聚類算法研究.pdf
- 基于語義過濾的文本和文本流聚類研究.pdf
- 基于概念語義分析的文本聚類研究.pdf
- 基于譜聚類的文本聚類算法研究.pdf
- 基于歸一化壓縮距離的文本譜聚類算法研究.pdf
- 文本聚類算法的語義性改進(jìn)與實(shí)現(xiàn).pdf
- 基于語義和領(lǐng)域相關(guān)的文本聚類研究.pdf
- 基于DBSCAN的文本聚類算法研究.pdf
- 基于NMF算法的文本聚類研究.pdf
- 面向文本聚類的語義加權(quán)研究.pdf
- 基于語義引力及密度分布的Web文本聚類算法的研究與實(shí)現(xiàn).pdf
- 基于流形距離的聚類算法研究及其應(yīng)用.pdf
- 基于云計(jì)算的文本聚類算法研究.pdf
- 基于hSync算法的文本聚類方法研究.pdf
- 基于計(jì)算智能的文本聚類算法研究.pdf
- 基于文本聚類的特征選擇算法研究.pdf
評論
0/150
提交評論