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、隨著互聯(lián)網(wǎng)的飛速發(fā)展,文本數(shù)據(jù)每年正以指數(shù)級的速度增長,文本分類作為處理文本數(shù)據(jù)的重要技術(shù)之一也變得越來越重要。傳統(tǒng)的文本分類方法一般都是基于有監(jiān)督學(xué)習(xí)的,為了訓(xùn)練出一個好的分類器需要大量的有標(biāo)注文本。而在現(xiàn)實(shí)中,有標(biāo)注文本數(shù)遠(yuǎn)小于未標(biāo)注文本數(shù),如果僅用少量的有標(biāo)注文本來訓(xùn)練分類器,不但得到的分類器性能較差,還會錯失未標(biāo)注文本中隱含的信息,造成資源的浪費(fèi)。因此,如何合理有效地運(yùn)用這部分?jǐn)?shù)據(jù)成為重中之重。
本文首先對現(xiàn)有用于文本
2、分類的算法進(jìn)行闡述,指出其優(yōu)勢及缺陷。針對有標(biāo)注文本不足,以及分類器性能難以有效提升等問題,本文以NB分類器為基礎(chǔ)分類器,并結(jié)合Bagging算法、EM算法以及選擇性集成方法,提出基于Bagging算法的EM選擇性集成學(xué)習(xí)方法,通過設(shè)計(jì)模擬實(shí)驗(yàn)證明了該方法的可行性及有效性。然后將該方法用于處理中文文本分類實(shí)際問題。實(shí)證結(jié)果表明:1.將EM算法應(yīng)用于文本分類,可以克服有標(biāo)注訓(xùn)練文本不足的缺陷,提高NB分類器的分類性能,但是相比某些有監(jiān)督學(xué)
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
- 基于半監(jiān)督與集成學(xué)習(xí)的文本分類方法研究.pdf
- 基于半監(jiān)督學(xué)習(xí)的中文短文本分類研究.pdf
- 基于python的中文文本分類研究.pdf
- 中文文本分類研究.pdf
- 中文文本分類的研究.pdf
- 中文文本分類算法研究.pdf
- 基于半監(jiān)督學(xué)習(xí)的文本分類研究
- 中文文本分類中文本表示及分類算法研究.pdf
- 基于主動學(xué)習(xí)的中文文本分類.pdf
- 基于復(fù)雜網(wǎng)絡(luò)的中文文本分類研究.pdf
- 基于混合特征的中文文本分類研究.pdf
- 基于KNN的中文文本分類算法研究.pdf
- 基于半監(jiān)督學(xué)習(xí)的文本分類研究.pdf
- 中文文本分類特征選擇方法的研究與實(shí)現(xiàn).pdf
- 基于語義概念的中文文本分類研究.pdf
- 基于類別概念的中文文本分類研究.pdf
- 中文文本分類中特征選擇算法及分類算法的研究
- 基于NMF的中文文本分類方法.pdf
- 基于關(guān)聯(lián)技術(shù)的中文文本分類研究.pdf
- 基于概念特征的中文文本分類研究.pdf
評論
0/150
提交評論