已閱讀1頁(yè)，還剩56頁(yè)未讀， 繼續(xù)免費(fèi)閱讀
版權(quán)說(shuō)明：本文檔由用戶(hù)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、 話(huà)題跟蹤是自然語(yǔ)言處理領(lǐng)域一個(gè)新的研究方向，其目的是監(jiān)控新聞報(bào)道流，識(shí)別出與預(yù)先給定幾個(gè)新聞報(bào)道表達(dá)的話(huà)題相關(guān)的后續(xù)報(bào)道。目前國(guó)內(nèi)在這方面的研究尚處于起步階段。本文對(duì)中文新聞報(bào)道中的話(huà)題跟蹤進(jìn)行了研究，提出并探索了多種不同的算法，并提出了利用一元語(yǔ)法模型來(lái)進(jìn)行話(huà)題跟蹤。主要工作包括： (1)嘗試將KNN與SVM相結(jié)合的策略來(lái)進(jìn)行話(huà)題跟蹤，實(shí)驗(yàn)證明，采用最近鄰居策略的串行結(jié)合方式比較有效。 (2)采用一元語(yǔ)法模型對(duì)中文新聞報(bào)道
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(hù)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(hù)上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理，對(duì)用戶(hù)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(hù)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
- 基于主題的文本分類(lèi)模型研究與應(yīng)用.pdf
- 基于lda的文本分類(lèi)研究及其應(yīng)用
- 基于LDA的文本分類(lèi)研究及其應(yīng)用.pdf
- 基于LDA模型的文本分類(lèi)研究.pdf
- 基于本體的文本分類(lèi)模型研究.pdf
- 基于向量空間模型的文本分類(lèi)研究與應(yīng)用.pdf
- 基于混合模型的文本分類(lèi)的研究.pdf
- 稀疏表示編碼模型及其在文本分類(lèi)中的應(yīng)用.pdf
- 基于聚類(lèi)分析的圖模型文本分類(lèi).pdf
- 基于張量空間模型的文本分類(lèi)研究.pdf
- 基于文本分類(lèi)的本體匹配及其應(yīng)用研究.pdf
- 并行分類(lèi)算法及其在文本分類(lèi)中的應(yīng)用.pdf
- 一種基于關(guān)鍵向量的文本分類(lèi)模型的研究.pdf
- 基于詞頻統(tǒng)計(jì)的文本分類(lèi)模型研究.pdf
- 基于引力場(chǎng)模型的文本分類(lèi)方法.pdf
- 基于文本分類(lèi)的信息過(guò)濾系統(tǒng)模型研究.pdf
- 基于向量空間模型的文本分類(lèi)算法研究.pdf
- 基于相關(guān)主題模型的文本分類(lèi)方法研究.pdf
- 基于形式概念分析的文本分類(lèi)模型研究.pdf
- 基于深度學(xué)習(xí)混合模型的文本分類(lèi)研究.pdf
評(píng)論
0/150
提交評(píng)論