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、隨著知識經(jīng)濟時代的到來,信息已成為這個時代的最重要標(biāo)志之一,對于信息的獲取與管理也越來越得到重視。信息的表現(xiàn)形式也從最初的結(jié)構(gòu)化、半結(jié)構(gòu)化逐漸向非結(jié)構(gòu)化過渡。對于非結(jié)化信息的組織和處理顯得越來越重要,文本分類作為其中的關(guān)鍵技術(shù)之一,已廣泛用于信息檢索,知識挖掘和管理等領(lǐng)域,但對于海量的文本信息,文本分類的效率與精確度嚴(yán)重制約著它在即時領(lǐng)域的應(yīng)用和推廣。
當(dāng)前較常用的文本分類算法主要是基于統(tǒng)計的,較著名的有貝葉斯(Bayes
2、)、K最鄰近法(KNN)、支持向量機(SVM)、神經(jīng)元網(wǎng)絡(luò)(Nnet)等。其中,KNN作為一種簡單、高效、非參數(shù)的方法,取得了較好的分類效果,使其得到較為廣泛的應(yīng)用。但KNN算法的大計算量限制了它在即時領(lǐng)域的應(yīng)用,因此如何有效地提高KNN算法的分類效率得到了學(xué)者們的廣泛關(guān)注。本文的研究重點是如何在不犧牲分類精度的前提下,提高文本分類的效率。
本文首先提出了概念聚合,在概念聚合的基礎(chǔ)上提出文本特征位串和特征多類別矩陣兩種方式
3、,從不同的角度來提高文本的分類效率。
本文研究的主要創(chuàng)新部分有:
1、基于語義相關(guān)的概念聚合。在文本的特征詞中常常會出現(xiàn)一些義同形異的詞,傳統(tǒng)的相似度計算中,由于無法判別這類詞的關(guān)系,而忽略它們在文本相似的作用,本文將對這類詞進(jìn)行語義聚合,形成概念。實驗結(jié)果顯示,關(guān)于概念的聚合能有效的表達(dá)出這類特征詞的含義,使得在相似度計算中,能充體現(xiàn)這類詞對文本相似度的貢獻(xiàn),提高文本分類的精度,同時也降低了文本向量的維數(shù)。
4、
2、通過文本特征位串來減小KNN算法的計算量。針對KNN算法計算量大的問題,提出文本特征位串來快速的篩選出與待分類文本可能相似的文本,即選出與待分類文本存在概念共現(xiàn)的文本,從而縮小進(jìn)行KNN相似度計算的訓(xùn)練文本集,達(dá)到減小KNN計算量的目的。理論分析和實驗結(jié)果表明,文本特征位串能在不降低分類準(zhǔn)確率的情況下,提高KNN算法的分類效率。
3、提出特征多類別矩陣來降低KNN算法的計算量。在KNN算法中,要減小計算
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
- 基于KNN的專利文本分類算法研究.pdf
- 基于語義中心的KNN文本分類算法研究.pdf
- 基于KNN的中文文本分類算法研究.pdf
- KNN文本分類研究.pdf
- 基于蜂群算法和改進(jìn)KNN的文本分類研究.pdf
- KNN文本分類及特征加權(quán)算法研究.pdf
- KNN文本分類中特征詞權(quán)重算法的研究.pdf
- 基于改進(jìn)哈希算法的快速KNN文本分類方法.pdf
- KNN算法的改進(jìn)及其在文本分類中的應(yīng)用.pdf
- 基于KNN算法的文本分類系統(tǒng)的設(shè)計與實現(xiàn).pdf
- 一種改進(jìn)的KNN文本分類算法.pdf
- 基于KNN的文本分類特征選擇與分類算法的研究與改進(jìn).pdf
- 基于改進(jìn)KNN的文本分類算法的設(shè)計與實現(xiàn).pdf
- 基于樣本重要性原理的KNN文本分類算法.pdf
- KNN文本分類中基于遺傳算法的特征提取技術(shù)研究.pdf
- 海量數(shù)據(jù)的KNN文本分類算法的MapReduce實現(xiàn)研究.pdf
- 基于聚類算法的KNN文本分類系統(tǒng)研究與實現(xiàn).pdf
- 基于概念的文本分類研究.pdf
- 基于改進(jìn)KNN分類算法的文本分類關(guān)鍵技術(shù)研究與實現(xiàn).pdf
- 基于KNN的多要素中文文本分類研究.pdf
評論
0/150
提交評論