2023年全國(guó)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(yè)
已閱讀1頁(yè),還剩55頁(yè)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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、隨著互聯(lián)網(wǎng)大數(shù)據(jù)的快速發(fā)展,網(wǎng)絡(luò)上的文本數(shù)據(jù)和網(wǎng)頁(yè)數(shù)據(jù)呈現(xiàn)幾何級(jí)增長(zhǎng),為了從海量的文本數(shù)據(jù)中快速準(zhǔn)確地獲取潛在的信息,需要對(duì)文本進(jìn)行更精確更深層的類別標(biāo)注和主題理解。因此,文本分類技術(shù)就成了重要的研究?jī)?nèi)容。
  大規(guī)模多層次文本分類研究是近幾年的研究熱點(diǎn),自2009年下半年開始,研究人員對(duì)大規(guī)模多層次文本分類的研究技術(shù)非常重視,并且國(guó)際上經(jīng)常進(jìn)行研究成果的公開測(cè)試和分析,在2014年舉辦的大規(guī)模中文新聞分類評(píng)測(cè)中,綜合分析多家參賽

2、單位的分類技術(shù)成果,其中最好系統(tǒng)的分類性能都低于50%,這種結(jié)果不能滿足實(shí)際應(yīng)用的需求。因此,對(duì)于大規(guī)模多層次文本分類問題,高精度的多層次文本自動(dòng)分類技術(shù)非常有必要繼續(xù)深入研究。
  本文首先在學(xué)習(xí)了大規(guī)模多層次分類問題處理策略的基礎(chǔ)上,采用扁平化的處理策略和化繁為簡(jiǎn)的方法。引入搜索、分類兩階段的處理思想,在搜索階段,結(jié)合類別層次樹的結(jié)構(gòu)特點(diǎn)和類別間的相關(guān)聯(lián)系等隱含的領(lǐng)域知識(shí),進(jìn)行了類別層次權(quán)重分析和特征項(xiàng)的動(dòng)態(tài)更新,為類別層次樹

3、的各個(gè)節(jié)點(diǎn)構(gòu)建更具分類判斷力的特征項(xiàng)集合;進(jìn)而,采用深度優(yōu)先搜索算法并結(jié)合設(shè)定閾值的剪枝策略縮小搜索范圍,搜索得到待分類文本的最優(yōu)候選類別。最后在候選類別的基礎(chǔ)上應(yīng)用經(jīng)典的KNN平面分類算法進(jìn)行分類測(cè)試和對(duì)比分析。實(shí)驗(yàn)結(jié)果顯示,文中提出的改進(jìn)算法在分類實(shí)驗(yàn)中提高了平均F1值,分類效果比較理想。
  其次,在學(xué)習(xí)研究本領(lǐng)域相關(guān)算法的基礎(chǔ)上,提出了基于中心向量的多級(jí)分類KNN分類算法,并應(yīng)用于大規(guī)模多層次文本分類的分類階段。該算法引入

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(qǐng)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(qǐng)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(yè)內(nèi)容里面會(huì)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(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)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(duì)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(qǐng)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(duì)自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論