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51頁未讀, 繼續(xù)免費(fèi)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(bào)或認(rèn)領(lǐng)

文檔簡介

1、文本分割是信息檢索和多文檔技術(shù)中的一個(gè)重要的處理步驟。通常一篇文本是由多個(gè)主題構(gòu)成的,文本分割的主要任務(wù)是通過對文檔結(jié)構(gòu)的分析,識別出文本中不同主題之間的邊界,將文本分割成多個(gè)主題段落,每一個(gè)主題段落描述一個(gè)單獨(dú)的主題。
  本文在對已有的主題分割方法及詞匯相似性度量概括總結(jié)的基礎(chǔ)上,探討了Masao Utiyama和Hitoshi Isahar等人提出的概率統(tǒng)計(jì)模型,該模型基于貝葉斯公式以及主題分割中的詞匯集聚思想,定義了一段文

2、本描述同一個(gè)主題的概率計(jì)算公式,作為確定分割點(diǎn)的標(biāo)準(zhǔn),并且在確定分割邊界時(shí)將待分割文本抽象為一個(gè)帶權(quán)有向圖,使用動態(tài)規(guī)劃算法求解該圖中頭節(jié)點(diǎn)到尾節(jié)點(diǎn)的最短路徑以確定文本的最大概率分割,取得了較高的準(zhǔn)確率。
  本文在Masao&Hitoshi概率模型的基礎(chǔ)上提出了文本分割的一點(diǎn)改進(jìn)策略。針對Masao&Hitoshi概率模型中只使用段內(nèi)相似度、沒有考慮段間不相似度的情況,我們模擬計(jì)算了段間不相似度;針對Masao&Hitoshi概

3、率模型在定義中沒有充分考慮最終分段長度對概率影響的情況,我們基于在文本預(yù)處理時(shí)確定的主題段落的范圍,定義了分段函數(shù);針對同一主題內(nèi)詞匯可能比較分散難于確定邊界的情況,我們通過在Masao&Hitoshi概率模型對應(yīng)項(xiàng)中添加權(quán)值的方法來擴(kuò)大詞匯分散或集中的效果。實(shí)驗(yàn)結(jié)果表明,改進(jìn)后的概率模型在一定程度上提高了分割的準(zhǔn)確率。
  Masao&Hitoshi模型在確定分割邊界時(shí)使用了動態(tài)規(guī)劃算法,該方法不需要在計(jì)算前人為地設(shè)定先驗(yàn)參數(shù)。

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。

評論

0/150

提交評論