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)與信息技術(shù)的發(fā)展,大數(shù)據(jù)分析成為目前熱門話題之一。大數(shù)據(jù)分析主要從海量數(shù)據(jù)中提取有意義的信息作為數(shù)據(jù)特征,通過分析已有數(shù)據(jù)的特征,實(shí)現(xiàn)數(shù)據(jù)的歸納分析,預(yù)測(cè)數(shù)據(jù)集的發(fā)展方向。自然語(yǔ)言處理是實(shí)現(xiàn)文本信息智能分析的一項(xiàng)重要研究工作。對(duì)特定領(lǐng)域內(nèi)文本的分析,可以獲取該領(lǐng)域內(nèi)的重要信息,以及實(shí)現(xiàn)對(duì)該領(lǐng)域發(fā)展方向的預(yù)測(cè)。
針對(duì)財(cái)經(jīng)領(lǐng)域而言,分析財(cái)經(jīng)領(lǐng)域內(nèi)海量的文本信息,可以了解經(jīng)濟(jì)發(fā)展的前景,實(shí)現(xiàn)對(duì)經(jīng)濟(jì)發(fā)展的預(yù)測(cè)。中文文本分析主
2、要是文本的分類、聚類等工作,依賴于對(duì)文本中詞匯的分析。從文本詞匯集中提取主要的信息是分析文本的基礎(chǔ)工作。關(guān)鍵詞是文本數(shù)據(jù)的重要特征,是分析文本數(shù)據(jù)的重要依據(jù)。關(guān)鍵詞自動(dòng)識(shí)別方法是自然語(yǔ)言處理研究的基本任務(wù),是分析文本的前提,具有重要的研究意義。
本文研究以財(cái)經(jīng)領(lǐng)域文本為例,提出了一種基于主題模型和詞匯相似相結(jié)合的方法,提取財(cái)經(jīng)領(lǐng)域關(guān)鍵詞。通過已有的分詞工具實(shí)現(xiàn)中文文本分詞,提取文本中的詞匯;對(duì)給定的文本集建立主題模型,提取主題
3、相關(guān)詞匯作為初始關(guān)鍵詞集;提取與初始關(guān)鍵詞集語(yǔ)義相似的詞匯,擴(kuò)展關(guān)鍵詞集。主要工作如下:
對(duì)財(cái)經(jīng)領(lǐng)域內(nèi)的新聞文本利用已有的分詞工具切分文本,提取文本集中的詞匯。
依據(jù)LDA(Latent Dirichlet Allocation,隱含的狄利克雷分布)對(duì)文本集建立主題模型,提取主題相關(guān)詞匯形成初始關(guān)鍵詞集。
依據(jù) word2vec模型,將財(cái)經(jīng)領(lǐng)域內(nèi)詞匯向量化表示,計(jì)算初始關(guān)鍵詞集中的詞匯與領(lǐng)域內(nèi)詞匯間向量的相
4、似度,對(duì)關(guān)鍵詞集進(jìn)行擴(kuò)展。
通過實(shí)驗(yàn)進(jìn)行數(shù)據(jù)分析。第一,利用主題模型提取初始關(guān)鍵詞集,計(jì)算初始關(guān)鍵詞集的準(zhǔn)確率;第二,利用主題模型和詞匯相似,對(duì)初始關(guān)鍵詞集進(jìn)行擴(kuò)展,提取關(guān)鍵詞集,計(jì)算關(guān)鍵詞集的準(zhǔn)確率;第三,利用已有的TF-IDF(term frequency–inverse document frequency)方法提取關(guān)鍵詞集,計(jì)算關(guān)鍵詞集的準(zhǔn)確率。比較三種方法的實(shí)驗(yàn)結(jié)果,依據(jù)實(shí)驗(yàn)結(jié)果得到,針對(duì)財(cái)經(jīng)領(lǐng)域內(nèi)文本,基于LDA模
溫馨提示
- 1. 本站所有資源如無(wú)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
- TF-IDF與規(guī)則結(jié)合的中文關(guān)鍵詞自動(dòng)抽取研究.pdf
- 關(guān)鍵詞抽取方法研究及應(yīng)用.pdf
- 中文關(guān)鍵詞抽取技術(shù)的研究.pdf
- 基于詞共現(xiàn)的關(guān)鍵詞抽取算法研究.pdf
- 面向主題的關(guān)鍵詞抽取方法研究.pdf
- 中文社交媒體話題關(guān)鍵詞抽取算法.pdf
- 科技論文關(guān)鍵詞抽取技術(shù)的研究.pdf
- 多文檔關(guān)鍵詞抽取技術(shù)的研究.pdf
- 基于半監(jiān)督學(xué)習(xí)的關(guān)鍵詞抽取.pdf
- 基于主題模型的關(guān)鍵詞抽取算法研究.pdf
- 基于外在信息的關(guān)鍵詞抽取問題研究.pdf
- 基于模糊邏輯的中文關(guān)鍵詞抽取研究.pdf
- 互聯(lián)網(wǎng)信息關(guān)鍵詞抽取的研究與實(shí)現(xiàn).pdf
- 關(guān)鍵詞 長(zhǎng)尾關(guān)鍵詞 拓展技巧
- 基于序列模式挖掘的關(guān)鍵詞抽取問題研究.pdf
- 基于小世界理論的中文關(guān)鍵詞自動(dòng)抽取與標(biāo)引.pdf
- 基于超圖的文本摘要與關(guān)鍵詞協(xié)同抽取研究.pdf
- 基于fastText的問答系統(tǒng)用戶意圖識(shí)別與關(guān)鍵詞抽取研究.pdf
- 面向在線評(píng)論的關(guān)鍵詞抽取和知識(shí)關(guān)聯(lián)研究.pdf
- 一種改進(jìn)的kea 關(guān)鍵詞抽取算法研究
評(píng)論
0/150
提交評(píng)論