2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩76頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明: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,請進行舉報或認領

文檔簡介

1、文本分類作為一項重要的數(shù)據(jù)挖掘技術,在國內(nèi)廣泛地應用于詞義辨析、文本組織與管理、信息過濾、Web網(wǎng)頁文檔分類、數(shù)字圖書館、信息檢索等眾多領域,因此提高文本分類的精確度和效率有重要的研究意義。文本分類主要有文本預處理、文本分類處理、分類結果評價三個步驟,其中特征降維技術直接影響分類效果,傳統(tǒng)的特征降維方法采用對訓練語料庫的分詞集合統(tǒng)計的方法,通過計算某種評價函數(shù)選擇超過預先設定的閡值的詞語作為特征項。這種降維方法過于依賴訓練文本集,效果受

2、訓練文本的局限,會導致過擬合。
  針對過擬合現(xiàn)象,本文從詞語間的語義關系出發(fā),提出一種基于詞語聚合的文本特征降維技術。該方法通過研究詞語之間的語義關系求出分類類別詞的詞語聚合集作為降維的特征集。詞語之間的語義關系由語義距離決定,而語義距離和詞語的相似度成反比關系。在對詞語相似度的研究中,本文提出基于逆概念頻率ICF(inverse concept frequency)的詞語相似度計算方法,計算第一基本義原結構、其他基本義原結構、

3、關系符號結構、關系義原結構中各義原結構的ICF權重,計算概念基本特征的權重,得出概念相似度與概念權重的乘積作為詞語相似度計算結果。在詞語相似度研究的基礎上提出詞語聚合技術?;谠~語聚合的特征降維技術首先用詞語間的語義距離計算分類類別詞語的詞語聚合,計算詞語聚合時利用模擬退火算法求不同分類詞詞語聚合的聚合半徑。最后將所有分類詞的詞語聚合的并集作為特征集,從而達到降維的要求。
  本文將基于詞語聚合的特征降維技術應用在KNN分類器對待

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)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權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)容負責。
  • 6. 下載文件中如有侵權或不適當內(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確性、安全性和完整性, 同時也不承擔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。

評論

0/150

提交評論