基于神經(jīng)網(wǎng)絡(luò)的文本自動分類系統(tǒng)研究.pdf_第1頁
已閱讀1頁,還剩58頁未讀, 繼續(xù)免費閱讀

下載本文檔

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)行舉報或認(rèn)領(lǐng)

文檔簡介

1、文本自動分類(Automatic Text Categorization,ATC)是指在給定的分類體系下,根據(jù)文本的內(nèi)容自動確定文本所屬類別的過程.文本自動分類使信息趨于有序化,便于信息的存儲、檢索、傳播、開發(fā)和利用,是組織和管理海量信息的有效手段,是幾乎所有基于內(nèi)容的文本管理研究的基石,因此文本自動分類的研究具有較強(qiáng)的現(xiàn)實意義和應(yīng)用價值. 神經(jīng)網(wǎng)絡(luò)分類法作為一種常用的文本自動分類方法,具有較強(qiáng)的自學(xué)習(xí)性和魯棒性,但同時也普遍存

2、在訓(xùn)練時間長,可解釋性較差等缺點.徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)(RadialBasis Function Neural Network,簡稱RBFNN)具有網(wǎng)絡(luò)設(shè)計簡單、收斂速度快、泛化能力強(qiáng)、可解釋性較好等特點,本文對RBFNN分類算法在中文文本自動分類中的應(yīng)用進(jìn)行了深入研究. 本文設(shè)計實現(xiàn)的RBFNN文本自動分類系統(tǒng)分為文本向量表示和RBFNN分類器的構(gòu)建兩個主要過程:首先,選用中國科學(xué)院計算所開發(fā)的漢語詞法分析系統(tǒng)ICTCLAS對訓(xùn)

3、練語料進(jìn)行分詞、去停用詞處理,采用不同的特征選擇和權(quán)重計算方法選取出相應(yīng)的特征項構(gòu)建文本向量空間;其次,通過k-均值聚類法對輸入樣本聚類,得到隱含層的最佳節(jié)點個數(shù)、中心及寬度,然后利用最小平方誤差法訓(xùn)練得到輸出層連接權(quán)值,完成RBFNN文本分類器的訓(xùn)練,并進(jìn)行相關(guān)測試.實驗結(jié)果表明,RBFNN分類器在中文文本自動分類中具有較理想的性能,測試平均F1值在85﹪以上. 此外,本文在總結(jié)常用分類器評價指標(biāo)的基礎(chǔ)上,提出了基于層次分析法

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

評論

0/150

提交評論