2023年全國(guó)碩士研究生考試考研英語(yǔ)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(shuō)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、微博等應(yīng)用的快速發(fā)展產(chǎn)生了海量的微博文本,在對(duì)其進(jìn)行話題分類處理時(shí),由于微博文本短、詞量少、用詞不規(guī)范和文本數(shù)量巨大等特征,使得傳統(tǒng)話題分類方法對(duì)類似微博這種文本的分類適用性變得很差。為減少話題分類過(guò)程中人工標(biāo)注的工作量,并保證話題分類的準(zhǔn)確性不降低,提出了一種基于SVM和K-means相結(jié)合的微博話題分類方法。
  微博話題分類本質(zhì)上屬于文本分類的一種具體應(yīng)用。文本分類是屬于一個(gè)有監(jiān)督學(xué)習(xí)的過(guò)程,它需要對(duì)提前人工標(biāo)注過(guò)的訓(xùn)練集文

2、本進(jìn)行訓(xùn)練,人工標(biāo)注這個(gè)過(guò)程是一個(gè)繁瑣的過(guò)程,特別是對(duì)于類似微博這種內(nèi)容短、用詞隨意、數(shù)量大的文本,完成人工標(biāo)注的過(guò)程將更加地繁雜。文本聚類是屬于一個(gè)無(wú)監(jiān)督學(xué)習(xí)的過(guò)程,其沒(méi)有人工標(biāo)注這一步驟,但是利用它對(duì)文本進(jìn)行區(qū)分的效果往往不好。針對(duì)這些現(xiàn)象,利用兩者的優(yōu)點(diǎn),彌補(bǔ)對(duì)方的不足,提出了一種基于SVM和K-means相結(jié)合的微博話題分類方法。首先用K-means聚類方法對(duì)微博文本進(jìn)行聚類,然后選取每個(gè)類簇中距離聚類質(zhì)心最近的一些微博文本作為

3、該類話題用來(lái)訓(xùn)練SVM的訓(xùn)練樣本集。最后用訓(xùn)練好的SVM分類器對(duì)微博文本進(jìn)行話題分類。將這兩方法結(jié)合起來(lái),既可以彌補(bǔ)無(wú)監(jiān)督學(xué)習(xí)方法的聚類在文本區(qū)分效果上的低效性,又減輕了有監(jiān)督學(xué)習(xí)方法的分類在文本分類時(shí)需要對(duì)訓(xùn)練樣本人工標(biāo)注的繁雜性。
  實(shí)驗(yàn)通過(guò)對(duì)同一微博數(shù)據(jù)分別進(jìn)行K-means微博話題分類、SVM微博話題分類、SVM和K-means相結(jié)合的微博話題分類,分類的效果比較表明:SVM和K-means相結(jié)合的微博話題分類方法在實(shí)現(xiàn)

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)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(méi)有圖紙預(yù)覽就沒(méi)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。

評(píng)論

0/150

提交評(píng)論