基于LSI和SVC的網(wǎng)頁文本分類算法研究.pdf_第1頁
已閱讀1頁，還剩42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)行舉報或認(rèn)領(lǐng)

文檔簡介

1、隨著網(wǎng)絡(luò)的高速發(fā)展，許多的文檔數(shù)據(jù)涌現(xiàn)在互聯(lián)網(wǎng)上，自動文本分類技術(shù)變得極為重要，已漸漸成為組織和處理海量文檔數(shù)據(jù)的關(guān)鍵性技術(shù)。文本預(yù)處理的好壞決定著分類器的分類性能。本文研究了文本預(yù)處理和文本分類算法，有效地提高了分類器的分類正確率和查全率。
　　 論文主要做了以下工作：
　　 (1)介紹了網(wǎng)頁文本系統(tǒng)的概念與意義，介紹了幾種新的網(wǎng)頁文本分類算法，分析了現(xiàn)有的網(wǎng)頁文本分類算法中存在的問題并對網(wǎng)頁文本分類算法的發(fā)展方向做出

2、展望；
　　 (2)將潛在語義索引理論知識應(yīng)用到網(wǎng)頁文本特征的降維，潛在語義索引通過奇異值分解技術(shù)將詞頻矩陣轉(zhuǎn)化為奇異矩陣，通過潛在語義索引可以將文本中同義詞、近義詞用一詞根代替，以降低網(wǎng)頁文本的特征向量維度，達(dá)到減少計(jì)算量的目的；
　　 (3)將支持向量聚類應(yīng)用于網(wǎng)頁文本分類。支持向量聚類是一種基于小樣本的聚類算法，能處理各種形狀的聚類，無需事先指定聚類數(shù)目，而且參數(shù)少，容易處理文本特征向量的高維數(shù)據(jù)。針對網(wǎng)頁文本分類

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。

評論

0/150

提交評論