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68頁未讀, 繼續(xù)免費閱讀

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),請進行舉報或認(rèn)領(lǐng)

文檔簡介

1、數(shù)據(jù)偏斜和噪聲數(shù)據(jù)是文本自動分類應(yīng)用中經(jīng)常遇到的問題。在數(shù)據(jù)偏斜的情況下,樣本無法準(zhǔn)確反映整個空間的數(shù)據(jù)分布,分類器容易受到大類的影響而忽略小類。大多數(shù)分類算法都是面向均勻分布數(shù)據(jù)提出的,對于數(shù)據(jù)偏斜的情況,僅利用傳統(tǒng)的分類方法并不能取得理想的效果。另一方面,分類器的質(zhì)量很大程度上取決于訓(xùn)練文本集的質(zhì)量。一般說來,訓(xùn)練文本集類別越準(zhǔn)確、內(nèi)容越全面,得到的分類器質(zhì)量就越高。但是在實際應(yīng)用中,這種全面準(zhǔn)確的訓(xùn)練文本集是很難得到的,尤其是在數(shù)

2、據(jù)規(guī)模很大的情況下,更是如此。在真實的文本分類應(yīng)用中,訓(xùn)練數(shù)據(jù)一般都不可避免的含有噪聲,這些噪聲樣本將對最終的分類結(jié)果產(chǎn)生重要影響。我們結(jié)合LDA(Latent Dirichlet Allocation)概率主題模型,針對上述兩種情況,提出了基于概率主題模型的數(shù)據(jù)偏斜分類方法和噪聲處理方法。利用LDA概率主題模型潛在的全局語義信息,人工生成新的訓(xùn)練文本,能夠取得比傳統(tǒng)方法更好的效果。 本文的主要工作和特色如下: 首先,提

3、出了一種基于LDA概率主題模型的文本生成方法。首先采用Gibbs抽樣算法從訓(xùn)練文本集中抽取LDA模型,然后利用LDA模型的生成過程思想構(gòu)造屬于訓(xùn)練文本集的新文本。實驗表明,生成的新文本與原來的訓(xùn)練文本集有較高的相似性,同時也不存在過度擬合現(xiàn)象。 其次,針對文本分類中的數(shù)據(jù)偏斜現(xiàn)象,結(jié)合LDA概率主題模型,提出了一種新的數(shù)據(jù)偏斜文本分類方法。該方法不但解決了傳統(tǒng)過采樣方法不可避免的過度擬合問題,還在一定程度上擴大了稀有類別在文本空

4、間上的范圍。在多個數(shù)據(jù)集上面的實驗結(jié)果表明,該方法比其他數(shù)據(jù)偏斜處理方法更適用于文本分類問題。 最后,提出了一種利用LDA概率主題模型處理噪聲的文本分類方法。根據(jù)類別熵對噪聲樣本進行過濾,然后利用主題模型的生成過程進行數(shù)據(jù)平滑,進一步減弱噪聲樣本的影響,同時保持了訓(xùn)練集的原有規(guī)模。在真實數(shù)據(jù)上的實驗表明,該方法對噪聲樣本的分布具有較好的魯棒性,在噪聲比例較大的情況下仍然能夠提供較好的分類結(jié)果。 通過詳細(xì)的理論分析和實驗驗

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。

評論

0/150

提交評論