已閱讀1頁，還剩51頁未讀， 繼續(xù)免費(fèi)閱讀
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)的快速發(fā)展、海量信息的出現(xiàn)，人們已經(jīng)從信息資源匱乏的年代過渡到信息資源豐富的大數(shù)據(jù)時代。如何快速、有效地從海量信息中提取所需的信息是當(dāng)今信息科學(xué)和技術(shù)領(lǐng)域面臨的一大挑戰(zhàn)，而文本分類就是解決這一問題的途徑之一。其中特征選擇和文本表示是影響文本分類的重要因素，現(xiàn)階段相關(guān)主題模型CTM(Correlated Topic Model)已作為有效的文本表示方應(yīng)法用在文本分類中，該模型能很好的表現(xiàn)出主題之間的相關(guān)性，同時在力求保證信息完整
2、性的條件下有效地降低文本數(shù)據(jù)的維度，對分類精度和速度都得到了提高。然而該模型輸入特征的選擇和最優(yōu)主題數(shù)的確定仍然是一大難題。
本文針對CTM模型在文本分類中的特征選擇方法，以及模型的最優(yōu)主題數(shù)確定做了一定的研究，完成了以下工作:
(1)分析當(dāng)前文本分類中文本表示遇到的困難以及CTM模型在文本表示中的優(yōu)點(diǎn);
(2)采用基于復(fù)雜度和對數(shù)似然值的方法，確定CTM模型中的最佳主題數(shù);
(3)采用一種基于主
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
- 云模型在文本分類中的應(yīng)用研究.pdf
- 最優(yōu)特征選擇算法在文本分類上的應(yīng)用研究.pdf
- 文本分類中的特征選擇研究.pdf
- 概率主題模型在文本分類中的應(yīng)用研究.pdf
- 文本分類中特征選擇和分類算法的研究.pdf
- 文本分類中特征選擇算法研究.pdf
- 文本分類中特征選擇方法研究.pdf
- 模糊理論在文本分類中的應(yīng)用研究.pdf
- 遷移學(xué)習(xí)在文本分類中的應(yīng)用研究.pdf
- 基于詞條分布的特征選擇算法在文本分類中的研究與應(yīng)用.pdf
- 概率主題模型及其在關(guān)聯(lián)文本分類中的應(yīng)用研究.pdf
- 中文文本分類中特征選擇方法的應(yīng)用與研究.pdf
- 文本分類的特征選擇和分類方法研究.pdf
- 文本分類中特征選擇算法的研究與改進(jìn).pdf
- 文本分類中特征選擇與加權(quán)算法的研究.pdf
- 文本分類中的貝葉斯特征選擇.pdf
- 子空間分類集成及其在文本分類中的應(yīng)用研究.pdf
- 非均衡文本分類的特征選擇研究.pdf
- 文本分類中特征選擇算法的分析與研究.pdf
- 文本分類特征選擇方法研究.pdf
評論
0/150
提交評論