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55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、近年來,我國石油行業(yè)信息化建設(shè)發(fā)展迅速,但針對石油領(lǐng)域的文本聚類研究卻寥寥無幾?,F(xiàn)有聚類技術(shù)大多是面向綜合文本的研究,對主題信息的聚類研究尚不完善,因此研究和開發(fā)專業(yè)的石油主題聚類方法具有很大的價(jià)值。 傳統(tǒng)文本聚類研究采用基于關(guān)鍵詞集的向量空間模型,它僅考慮文本語法層面上字、詞的簡單匹配,沒有考慮隱含在文本的語義信息,缺乏對其所包含語義信息的理解,影響了文本聚類的質(zhì)量。 本文針對傳統(tǒng)聚類挖掘基于關(guān)鍵詞集向量空間模型的不足

2、,以及對相關(guān)領(lǐng)域信息不完善的問題,提出了基于語義和領(lǐng)域相關(guān)的聚類挖掘思想。首先,利用主題概念樹在語義處理方面的優(yōu)勢,提出了基于主題的特征提取思想。然后,在主題概念樹的基礎(chǔ)上,提出了權(quán)重的計(jì)算方法,并利用HASH技術(shù)對語義進(jìn)行了擴(kuò)展,在一定程度上解決了文本聚類預(yù)處理中高頻詞和低頻詞的問題。最后,在知網(wǎng)的基礎(chǔ)上,提出了基于語義相似度預(yù)處理的算法,解決了聚類預(yù)處理的同義現(xiàn)象,降低了文本的特征維數(shù),從而在特定領(lǐng)域上使基于語義的聚類挖掘成為可能。

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