已閱讀1頁,還剩54頁未讀, 繼續(xù)免費閱讀
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),請進行舉報或認(rèn)領(lǐng)
文檔簡介
1、網(wǎng)絡(luò)技術(shù)的發(fā)展促使人們熱衷于在互聯(lián)網(wǎng)上分享旅行經(jīng)歷,游記文本是一種主要形式。游記中蘊含著地點代表性知識(景觀、風(fēng)格、特色活動等),對旅行規(guī)劃有很大參考價值。但由于游記中噪聲多、視角多、缺乏目的地推薦和視覺信息等局限,導(dǎo)致這些知識難以靠人工方式獲得。
本文研究如何從游記文本中自動挖掘出這些知識并加以利用,為此提出了一種新的概率主題模型——地點-主題(LT)模型,用于從游記中挖掘兩種主題,即刻畫地點特色的局部主題和表示游記中常
2、見語義的全局主題,并用局部主題表示各地點,以把握地點代表性知識和地點間相似度。
基于該模型,結(jié)合旅行規(guī)劃的情境實現(xiàn)了三種應(yīng)用:(1)目的地推薦——向用戶推薦與給定目的地相似、或是與給定旅行意圖相關(guān)的目的地;(2)目的地概述——利用標(biāo)簽和相關(guān)游記摘錄概括給定目的地的特色;(3)游記可視化——提取給定游記的重要內(nèi)容并搭配相關(guān)圖片。
基于中英文兩個游記數(shù)據(jù)集(分別包含9.4萬和10萬篇游記),運用客觀量化和問卷調(diào)查
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
- 基于主題模型的文本語義挖掘.pdf
- 基于主題模型的文本語義挖掘
- 基于主題模型的文本挖掘的研究.pdf
- 包含正交化主題的概率文本模型.pdf
- 基于概率生成模型的文本主題建模及其應(yīng)用.pdf
- 基于主題模型的汽車專利文本主題挖掘與應(yīng)用研究.pdf
- 基于LDA概率模型的科技文獻主題演化挖掘技術(shù)研究.pdf
- 基于LDA模型的文本主題挖掘和文本靜態(tài)可視化的研究.pdf
- 用于網(wǎng)絡(luò)評論文本挖掘的主題模型研究.pdf
- 基于詞共現(xiàn)的文本主題挖掘模型和算法研究.pdf
- 概率主題模型
- 概率主題模型在文本分類中的應(yīng)用研究.pdf
- 基于概率主題模型的圖像標(biāo)注研究.pdf
- 基于概率主題模型的文檔自動分類.pdf
- 基于概率主題模型的作者情感分析.pdf
- 基于概率圖模型的文本對象情感分析.pdf
- 基于概率圖模型的代碼庫數(shù)據(jù)挖掘.pdf
- 基于主題挖掘和覆蓋的文本分類研究.pdf
- 基于概率主題模型的圖像場景分類研究.pdf
- 基于文本情感分類的商品評論主題挖掘.pdf
評論
0/150
提交評論