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,隨著互聯(lián)網(wǎng)技術(shù)的快速發(fā)展和廣泛普及,網(wǎng)絡(luò)信息的傳播速度與數(shù)量都達(dá)到了空前的規(guī)模。微博客作為一種新興的網(wǎng)絡(luò)媒體,憑著極高的網(wǎng)民普及率,已經(jīng)成為互聯(lián)網(wǎng)上的主要信息源之一。由于微博客內(nèi)容簡單(一般少于140個(gè)字)且可以通過各種通訊手段(手機(jī)、QQ等)實(shí)時(shí)發(fā)布,容易在短時(shí)間內(nèi)產(chǎn)生大量數(shù)據(jù)。在面對數(shù)量如此巨大且雜亂無序的微博客信息時(shí),若采用人工手段去處理它,工作量巨大而且難以及時(shí)而準(zhǔn)確的找到自己最關(guān)心的信息。
  話題發(fā)現(xiàn)技術(shù)能夠?qū)?/p>

2、屬于同一話題下的分散的信息歸并,大大的減少了信息的重復(fù)率,便于用戶從全局上了解話題中各個(gè)方面之間的關(guān)系以及話題之間的相互聯(lián)系,幫助用戶在海量信息中快速的找到自己最需要的信息?;趥鹘y(tǒng)向量空間模型上話題檢測算法雖得到了廣泛的應(yīng)用,且取得了不錯(cuò)的效果,但在處理大規(guī)模的微博客短文本時(shí)仍存在著明顯的不足:一是降維能力的不足,過高維度的向量會(huì)導(dǎo)致文本相似度計(jì)算產(chǎn)生誤差,影響話題發(fā)現(xiàn)精度;二是語義信息的丟失,傳統(tǒng)向量空間模型中,文檔中單詞對應(yīng)特征項(xiàng)

3、,特征項(xiàng)的權(quán)重對應(yīng)特征向量,文檔的相似度取決于特征向量之間的距離,很顯然文檔之間重復(fù)的詞語越多越可能相似,然而兩篇文檔是否相關(guān)往往不只決定于字面上的詞語重復(fù),還取決于文字背后的語義關(guān)聯(lián)。
  在上述基礎(chǔ)上,本文借鑒傳統(tǒng)話題發(fā)現(xiàn)方法,針對微博客本身的特點(diǎn),利用LatentDirichlet Allocation(LDA)這種能夠提取文本隱含主題的產(chǎn)生式模型,對微博客文本進(jìn)行隱主題提取,通過吉布斯采樣算法得到文本在隱主題空間上的向量分

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(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